【技术实现步骤摘要】
情感预测模型的训练方法、装置、设备及存储介质
[0001]本公开涉及计算机
,更具体的,涉及深度学习、语音技术等人工智能
,尤其涉及一种情感预测模型的训练方法、装置、设备及存储介质。
技术介绍
[0002]随着计算机技术和通信技术的发展,有声读物变得越来越普及,该产品的性能十分依赖情感自动标注,即标注出读物中每句文本的情感风格。因此,如何准确的对读物中的文本内容进行情感标注,成为目前亟需解决的问题。
技术实现思路
[0003]本公开提供了一种用于情感预测模型的训练的方法、装置、设备以及存储介质。
[0004]根据本公开的一方面,提供了一种情感预测模型的训练方法,包括:
[0005]获取标注数据集,其中,所述标注数据集中包括多个文本内容及文本内容对应的标注情感标签;
[0006]将所述标注数据集中同一文本内容对应的标注情感标签进行融合,以确定文本内容对应的标注情感标签分布;
[0007]将所述文本内容输入初始预测模型,以获取所述初始预测模型输出的预测情感标签分布;
[0008]基于所述文本内容对应的标注情感标签分布与预测情感标签分布间的第一差异,对所述初始预测模型进行修正,以生成情感预测模型。
[0009]根据本公开的另一方面,提供了一种情感预测模型的训练装置,包括:
[0010]第一获取模块,用于获取标注数据集,其中,所述标注数据集中包括多个文本内容及文本内容对应的标注情感标签;
[0011]确定模块,用于将所述标注数据集中同 ...
【技术保护点】
【技术特征摘要】
1.一种情感预测模型的训练方法,包括:获取标注数据集,其中,所述标注数据集中包括多个文本内容及所述文本内容对应的标注情感标签;将所述标注数据集中同一文本内容对应的标注情感标签进行融合,以确定所述文本内容对应的标注情感标签分布;将所述文本内容输入初始预测模型,以获取所述初始预测模型输出的预测情感标签分布;基于所述文本内容对应的标注情感标签分布与预测情感标签分布间的第一差异,对所述初始预测模型进行修正,以生成情感预测模型。2.如权利要求1所述的方法,其中,所述将所述标注数据集中同一文本内容对应的标注情感标签进行融合,以确定所述文本内容对应的标注情感标签分布,包括:根据所述标注数据集中同一文本内容对应的每种标注情感标签的数量,确定所述同一文本内容对应的每种标注情感标签的得分;将所述同一文本内容对应的多种标注情感标签的得分进行归一化,以确定所述同一文本内容对应的标注情感标签分布,其中,所述标注情感标签分布中的各种情感标签对应的得分和为一。3.如权利要求1或2所述的方法,其中,所述对所述初始预测模型进行修正,包括:根据所述文本内容对应的标注情感标签分布,确定所述文本内容对应的参考情感标签;根据所述文本内容对应的预测情感标签分布,确定所述文本内容对应的预测情感标签;根据所述文本内容对应的参考情感标签与预测情感标签间的第二差异、及对应的标注情感标签分布与预测情感标签分布间的第一差异,对所述初始预测模型进行修正。4.如权利要求3所述的方法,其中,所述标注情感标签分布中包括各个情感标签对应的标注次数,所述根据所述文本内容对应的标注情感标签分布,确定所述文本内容对应的参考情感标签,包括:将所述文本内容对应的标注情感标签分布中标注次数最大的情感标签,确定为所述文本内容对应的参考情感标签;或者,在任一文本内容对应的标注情感标签分布中标注次数最大的情感标签为至少两个的情况下,将所述至少两个情感标签中在所述标注数据集中出现次数最多的一个,确定为所述任一文本内容对应的参考情感标签。5.如权利要求3所述的方法,其中,所述根据所述文本内容对应的参考情感标签与预测情感标签间的第二差异、及对应的标注情感标签分布与预测情感标签分布间的第一差异,对所述初始预测模型进行修正,包括:根据所述文本内容对应的标注情感标签分布与预测情感标签分布间的第一差异,确定第一修正梯度;根据所述文本内容对应的参考情感标签与预测情感标签间的第二差异,确定第二修正梯度;
基于所述第一修正梯度及所述第二修正梯度,对所述初始预测模型进行修正。6.如权利要求3所述的方法,其中,所述根据所述文本内容对应的参考情感标签与预测情感标签间的第二差异、及对应的标注情感标签分布与预测情感标签分布间的第一差异,对所述初始预测模型进行修正,包括:根据所述文本内容对应的标注情感标签分布与预测情感标签分布间的第一差异,对所述初始预测模型进行修正,以获取各个修正后的第一模型参数;根据所述文本内容对应的参考情感标签与预测情感标签间的第二差异,对所述初始预测模型进行修正,以获取各个修正后的第二模型参数;将所述各个修正后的第一模型参数及第二模型参数进行融合,以确定修正后的模型参数。7.一种情感预测模型的训练装置,包括:第一获取模块,用于获取标注数据集,其中,所述标注数据集中包括多个...
【专利技术属性】
技术研发人员:潘政林,白洁,李若铭,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
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。