【技术实现步骤摘要】
文本情绪识别方法、装置、终端设备和存储介质
本申请属于人工智能
，尤其涉及一种文本情绪识别方法、装置、终端设备和存储介质。
技术介绍
现有技术中，为了减少人工处理的工作量，常常使用已有的训练模型对各类应用场景下的文本进行情绪识别及分类。然而，由于各个应用场景下的文本，与当时训练模型的训练文本的语句、语料存在很大区别，使用预训练好的模型，对各个应用场景下的文本进行分类准确率较低。
技术实现思路
本申请实施例提供了一种文本情绪识别方法、装置、终端设备和存储介质，可以解决使用已有的训练模型对特定应用场景下的文本进行识别和分类时，准确率较低的问题。第一方面，本申请实施例提供了一种文本情绪识别方法，包括：将每个目标场景下的各个目标文本输入至已有的训练模型中，获取所述各个目标文本对应的目标预测类别；根据所述目标预测类别，在所述每个目标场景中获取属于目标类别的第一文本；获取第二文本，其中，所述第二文本属于非目标类别，且属于非目标场景下的文本；将所述第一文本和第二文本...
【技术保护点】
1.一种文本情绪识别方法，其特征在于，包括：/n将每个目标场景下的各个目标文本输入至已有的训练模型中，获取所述各个目标文本对应的目标预测类别；/n根据所述目标预测类别，在所述每个目标场景中获取属于目标类别的第一文本；/n获取第二文本，其中，所述第二文本属于非目标类别，且属于非目标场景下的文本；/n将所述第一文本和第二文本输入至已有的训练模型中，对训练模型的模型参数进行调整得到目标模型，并根据所述目标模型对待识别的文本进行情绪识别。/n
【技术特征摘要】
1.一种文本情绪识别方法，其特征在于，包括：
将每个目标场景下的各个目标文本输入至已有的训练模型中，获取所述各个目标文本对应的目标预测类别；
根据所述目标预测类别，在所述每个目标场景中获取属于目标类别的第一文本；
获取第二文本，其中，所述第二文本属于非目标类别，且属于非目标场景下的文本；
将所述第一文本和第二文本输入至已有的训练模型中，对训练模型的模型参数进行调整得到目标模型，并根据所述目标模型对待识别的文本进行情绪识别。
2.如权利要求1所述的文本情绪识别方法，其特征在于，在将每个目标场景下的各个目标文本输入至已有的训练模型中，获取所述各个目标文本对应的预测类别之前，还包括：
获取每个测试场景下的多个文本；
将所述每个测试场景下的多个文本分别输入至所述已有的训练模型中，得到所述每个测试场景下的多个文本的初始预测类别；
根据所述初始预测类别，从多个测试场景中确定多个目标场景。
3.如权利要求2所述的文本情绪识别方法，其特征在于，根据所述初始预测类别，从多个测试场景中确定多个目标场景，包括：
根据所述初始预测类别，分别确定所述每个测试场景下的多个文本中属于所述目标预测类别的文本个数，以及确定所述每个测试场景下包含的初始预测类别的文本总个数；
计算属于所述目标预测类别的文本个数，在对应所述测试场景下的初始预测类别的文本总个数的占比值；
根据所述每个测试场景对应的占比值选取预设个数的所述目标场景，其中，所述目标场景对应的占比值高于其他测试场景对应的占比值。
4.如权利要求1所述的文本情绪识别方法，其特征在于，所述目标预测类别包括预测积极类别和预测消极类别；
所述根据所述目标预测类别，在所述每个目标场景中获取属于目标类别的第一文本，包括：
在所述每个目标场景下的各个目标文本中，分别获取所述目标文本属于所述预测积极类别的第一预测文本，和所述目标文本属于所述预测消极类别的第二预测文本；
获取所述每个目标场景对应的目标文本中，各个目标文本对应的真实类别；其中，所述真实类别包括真实积极类别和真实消极类别；
在所述第一预测文本中，将所述预测积极类别与所述真实积极类别均一致的文本，作为第一目标文本，并将所述预测消极类别与所述真实消极类别均一致的文本，作为第二目标文本；
将所述第一目标文本与第二目标文本作为属于所述目标类别的第一文本；其中，所述目标类别包括积极类别和消极类别。
5.如权...
【专利技术属性】
技术研发人员：毛宇兆，高维国，李炫，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。