【技术实现步骤摘要】
文本情绪识别方法、装置、计算机设备和可读存储介质
[0001]本专利技术涉及人工智能
，具体涉及一种文本情绪识别的方法、装置、计算机设备和计算机可读存储介质。
技术介绍
[0002]传统的文本情绪分类方法，一般会预先定义好多个情绪类别，然后采用多分类的方式识别文本情绪，比如，从预先定义好的情绪类别中确定出概率最大值唯一对应的一种情绪类别，或者，从预先定义好的情绪类别中确定出满足概率阈值的多种情绪类别。但是，人的情绪是复杂多样的，一句话可能即表达了开心，又表达了喜欢，现有技术中根据概率最大值有且只能挑选出唯一一种情绪类别的方案无法满足情绪复杂多样的需求；另外，情绪存在对立面，比如喜欢和厌恶、开心和悲伤，现有技术中根据概率阈值挑选出的多种情绪类别中极有可能包含对立的情绪，这显然不符合实际情况。
[0003]针对现有技术中根据概率最大值有且只能挑选出唯一一种情绪类别无法满足情绪复杂多样的需求，以及根据概率阈值挑选出的多种情绪类别中极有可能包含对立的情绪的技术问题，目前尚未存在有效的解决方案。
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种文本情绪识别方法，其特征在于，所述方法包括：获取待识别文本，提取所述待识别文本的特征词；将提取的特征词输入情绪分类模型，其中，所述情绪分类模型的输出层包括多个一维情绪组和多个二维情绪组，每个一维情绪组包括一个不存在对立情绪的情绪类别和一个未命中类别，每个二维情绪组包括两个相互对立的情绪类别和一个未命中类别；通过所述情绪分类模型基于各个特征词从输出层的每个一维情绪组中筛选出一个类别并从每个二维情绪组中筛选出一个类别；当通过所述情绪分类模型筛选出的类别中包含情绪类别时，将筛选出的所有情绪类别作为所述待识别文本的情绪。2.根据权利要求1所述的方法，其特征在于，所述通过所述情绪分类模型基于各个特征词从输出层的每个一维情绪组中筛选出一个类别并从每个二维情绪组中筛选出一个类别，包括：通过所述情绪分类模型的词嵌入层接收各个特征词，并通过所述词嵌入层输出各个特征词的特征向量；通过所述情绪分类模型的双向lstm层接收各个特征向量，并通过所述双向lstm层基于各个特征向量输出所述待识别文本的文本向量；通过所述情绪分类模型基于所述文本向量从输出层的每个一维情绪组中筛选出一个类别并从每个二维情绪组中筛选出一个类别。3.根据权利要求2所述的方法，其特征在于，所述通过所述情绪分类模型基于所述文本向量从输出层的每个一维情绪组中筛选出一个类别并从每个二维情绪组中筛选出一个类别，包括：确定所述情绪分类模型中与各个情绪组关联的全连接层组，其中，每个全连接层组中的全连接层分别与对应情绪组中的一个类别相关联，且每个全连接层用于表示与该全连接层关联的类别的类别向量；通过所述全连接层组接收所述文本向量，并计算所述全连接层组中每个全连接层表示的类别向量与所述文本向量的乘积，将获得的每个乘积结果记为一个概率向量，获得与所述全连接层组关联的概率向量组；通过所述情绪分类模型根据所述概率向量组从输出层的每个一维情绪组中筛选出一个类别并从每个二维情绪组中筛选出一个类别。4.根据权利要求3所述的方法，其特征在于，所述通过所述情绪分类模型根据所述概率向量组从输出层的每个一维情绪组中筛选出一个类别并从每个二维情绪组中筛选出一个类别，包括：通过softmax函数将所述概率向量组中的每个概率向量转换为一个概率值，获得概率值组；通过所述情绪分类模型确定与所述概率值组关联的情绪组；当确定出的情绪组为一维情绪组时，通过所述情绪分类模型从所述概率值组中包括的两个概率值中筛选出最大概率值，并从该一维情绪组中包含的两个类别中筛选出与该最大概率值对应的类别；当确定出的情绪组为二维情绪组时，通过所述情绪分类模型从所述概率值组中包括的
三个概率值中筛选出最大概率值，并从该二维情绪组中包含的三个类别中筛选出与该最大概率值对应的类别。5.根据权利要求1所述的方法，其特征在于，所述当通过所述情绪分类模型筛选出的类别中包含情绪类别时，将筛选出的所有情绪类别作为所述待识别文本的情绪，包括：当通过所述情绪分类模型从各个一维情绪组中筛选出的类...
【专利技术属性】
技术研发人员：李小娟，
申请(专利权)人：深圳壹账通智能科技有限公司，
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。