情感识别方法、装置、非易失性存储介质及电子设备制造方法及图纸

本申请公开了一种情感识别方法、装置、非易失性存储介质及电子设备。涉及金融科技领域，该方法包括：获取终端设备检测到的待识别文本；确定待识别文本对应的第一特征向量和第二特征向量，其中，第一特征向量为体现待识别文本的语义特征的特征向量，第二特征向量为体现待识别文本的情感特征的特征向量；拼接第一特征向量和第二特征向量，得到第三特征向量；采用目标分类模型提取并融合第三特征向量中的情感特征信息和领域特征信息，从而得到待识别文本的情感类型信息和所属领域信息。通过本申请，解决了相关技术中无法识别用户输入的文本的情绪信息导致无法在用户情绪激动时及时安抚用户的问题。安抚用户的问题。安抚用户的问题。

【技术实现步骤摘要】
情感识别方法、装置、非易失性存储介质及电子设备


[0001]本申请涉及金融科技领域，具体而言，涉及一种情感识别方法、装置、非易失性存储介质及电子设备。

技术介绍

[0002]目前的智能客服在根据用户输入的文本答复用户相关信息时，通常无法确定用户输入文本的情绪信息，导致在用户情绪激动时无法及时安抚用户，导致用户体验不佳或业务办理失败。
[0003]针对相关技术中无法识别用户输入的文本的情绪信息导致无法在用户情绪激动时及时安抚用户的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请的主要目的在于提供一种情感识别方法、装置、非易失性存储介质及电子设备，以解决相关技术中无法识别用户输入的文本的情绪信息导致无法在用户情绪激动时及时安抚用户的问题。
[0005]为了实现上述目的，根据本申请的一个方面，提供了一种情感识别方法。该方法包括：获取终端设备检测到的待识别文本；确定待识别文本对应的第一特征向量和第二特征向量，其中，第一特征向量为体现待识别文本的语义特征的特征向量，第二特征向量为体现待识别文本的情感特征的特征向量；拼接第一特征向量和第二特征向量，得到第三特征向量；采用目标分类模型提取并融合第三特征向量中的情感特征信息和领域特征信息，从而得到待识别文本的情感类型信息和所属领域信息，其中，目标分类模型中包括情感分类任务网络和领域分类任务网络，情感分类任务网络用于确定情感类型信息，领域分类任务网络用于确定所属领域信息。
[0006]可选地，确定待识别文本对应的第二特征向量包括：对待识别文本进行分词处理，得到待识别文本序列；确定待识别文本序列中的待识别情感词，以及待识别情感词的第一情感分数，其中，第一情感分数用于体现待识别情感词的情绪倾向和情绪激烈程度；依据待识别文本序列中的全部待识别情感词的第一情感分数确定待识别文本序列的第二情感分数，其中，第二情感分数用于体现待识别文本序列的情绪倾向和情绪激烈程度；依据第二情感分数确定第二特征向量。
[0007]可选地，依据第二情感分数确定第二特征向量包括：依据第二情感分数确定第二情感分数的情感标签；对情感标签进行独热编码，得到情感标签对应的情感编码；采用目标变换矩阵对情感编码进行矩阵变换，得到第二特征向量。
[0008]可选地，待识别文本的情感类型信息还用于对目标变换矩阵进行反向传播训练。
[0009]可选地，确定待识别情感词的第一情感分数包括：在待识别文本序列中确定与待识别情感词对应的否定词的数量；在待识别文本序列中确定与待识别情感词对应的目标标点符号，其中，目标标点符号的符号类型包括问号和感叹号，目标标点符号和待识别情感词
之间无其他待识别情感词；依据待识别情感词对应的否定词的数量和目标标点符号，确定待识别情感词的第一情感分数。
[0010]可选地，依据待识别文本序列中的全部待识别情感词的第一情感分数确定待识别文本序列的第二情感分数包括：在待识别文本序列中确定各个待识别情感词对应的程度副词，其中程度副词为在待识别文本序列中位于待识别情感词之前并且与待识别情感词距离最近的副词；依据程度副词确定各个待识别情感词对应的权重；依据各个待识别情感词对应的权重和第一情感分数进行加权求和运算，得到第二情感分数。
[0011]可选地，情感分类任务网络中包括第一类卷积层和第一类门控共享单元，第一类卷积层和第一类门控单元交替连接；领域分类任务网络中包括第二类卷积层和第二类门控共享单元，第二类卷积层和第二类门控共享单元交替连接，其中，第一类卷积层用于对输入到第一类卷积层中的数据进行卷积从而得到情感特征信息，第二类卷积层用于对输入到第二类卷积层中的数据进行卷积从而得到所属领域特征信息第一类门控共享单元向对应的第二类门控共享单元发送情感特征信息并从第二类门控共享单元中获取所属领域特征信息，以及融合领域特征信息和情感特征信息后输入到与第一类门控共享单元连接的第一类卷积层中；第二类门控共享单元向对应的第一类门控共享单元发送所属领域特征信息并从第一类门控共享单元中获取情感特征信息，以及融合领域特征信息和情感特征信息后输入到与第二类门控共享单元连接的第二类卷积层中。
[0012]可选地，目标分类模型通过以下方式训练：将训练数据输入到待训练模型中，并获取待训练模型输出的情感分类结果和所属领域分类结果，以及情感分类结果对应的第一不确定性系数和所属领域分类结果对应的第二不确定性系数；依据第一不确定性系数和第二不确定性系数，确定待训练模型的目标损失函数，其中，目标损失函数由第一损失函数和第二损失函数组成，第一损失函数为与情感分类结果对应的损失函数，第二损失函数为与情感分类结果对应的损失函数，第一不确定性系数用于确定第一损失函数的权重，第二不确定性系数用于确定第二损失函数的权重；依据目标损失函数，情感分类结果和所属领域分类结果调整待训练模型的模型参数，并再次将训练数据输入到待训练模型中对待训练模型进行训练，直到目标损失函数的输出值符合预设要求，确定最近一次调整模型参数的待训练模型为目标分类模型。
[0013]为了实现上述目的，根据本申请的另一方面，提供了一种信息回复方法。该方法包括：获取终端设备检测到的待识别文本；确定待识别文本对应的第一特征向量和第二特征向量，其中，第一特征向量为体现待识别文本的语义特征的特征向量，第二特征向量为体现待识别文本的情感特征的特征向量；拼接第一特征向量和第二特征向量，得到第三特征向量；采用目标分类模型提取并融合第三特征向量中的情感特征信息和领域特征信息，从而得到待识别文本的情感类型信息和所属领域信息，其中，目标分类模型中包括情感分类任务网络和领域分类任务网络，情感分类任务网络用于确定情感类型信息，领域分类任务网络用于确定所属领域信息；依据情感类型信息和所属领域信息，生成并向终端设备发送回复文本。
[0014]为了实现上述目的，根据本申请的另一方面，提供了一种情感识别装置。该装置包括：输入模块，用于获取终端设备检测到的待识别文本；特征提取模块，用于确定待识别文本对应的第一特征向量和第二特征向量，其中，第一特征向量为体现待识别文本的语义特
征的特征向量，第二特征向量为体现待识别文本的情感特征的特征向量；拼接模块，用于拼接第一特征向量和第二特征向量，得到第三特征向量；分类模块，用于采用目标分类模型提取并融合第三特征向量中的情感特征信息和领域特征信息，从而得到待识别文本的情感类型信息和所属领域信息，其中，目标分类模型中包括情感分类任务网络和领域分类任务网络，情感分类任务网络用于确定情感类型信息，领域分类任务网络用于确定所属领域信息。
[0015]为了实现上述目的，根据本申请的另一方面，提供了一种非易失性存储介质。非易失性存储介质中存储有程序，其中，在程序运行时控制非易失性存储介质所在设备执行情感识别方法或信息回复方法。
[0016]为了实现上述目的，根据本申请的另一方面，提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被处理器执行时，使得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情感识别方法，其特征在于，包括：获取终端设备检测到的待识别文本；确定所述待识别文本对应的第一特征向量和第二特征向量，其中，所述第一特征向量为体现所述待识别文本的语义特征的特征向量，所述第二特征向量为体现所述待识别文本的情感特征的特征向量；拼接所述第一特征向量和所述第二特征向量，得到第三特征向量；采用目标分类模型提取并融合所述第三特征向量中的情感特征信息和领域特征信息，从而得到所述待识别文本的情感类型信息和所属领域信息，其中，所述目标分类模型中包括情感分类任务网络和领域分类任务网络，所述情感分类任务网络用于确定所述情感类型信息，所述领域分类任务网络用于确定所述所属领域信息。2.根据权利要求1所述的情感识别方法，其特征在于，确定所述待识别文本对应的第二特征向量包括：对所述待识别文本进行分词处理，得到待识别文本序列；确定所述待识别文本序列中的待识别情感词，以及所述待识别情感词的第一情感分数，其中，所述第一情感分数用于体现所述待识别情感词的情绪倾向和情绪激烈程度；依据所述待识别文本序列中的全部待识别情感词的所述第一情感分数确定所述待识别文本序列的第二情感分数，其中，所述第二情感分数用于体现所述待识别文本序列的情绪倾向和情绪激烈程度；依据所述第二情感分数确定所述第二特征向量。3.根据权利要求2所述的情感识别方法，其特征在于，依据所述第二情感分数确定所述第二特征向量包括：依据所述第二情感分数确定所述第二情感分数的情感标签；对所述情感标签进行独热编码，得到所述情感标签对应的情感编码；采用目标变换矩阵对所述情感编码进行矩阵变换，得到所述第二特征向量。4.根据权利要求3所述的情感识别方法，其特征在于，所述待识别文本的情感类型信息还用于对所述目标变换矩阵进行反向传播训练。5.根据权利要求2所述的情感识别方法，其特征在于，确定所述待识别情感词的第一情感分数包括：在所述待识别文本序列中确定与所述待识别情感词对应的否定词的数量；在所述待识别文本序列中确定与所述待识别情感词对应的目标标点符号，其中，所述目标标点符号的符号类型包括问号和感叹号，所述目标标点符号和所述待识别情感词之间无其他待识别情感词；依据所述待识别情感词对应的所述否定词的数量和所述目标标点符号，确定所述待识别情感词的第一情感分数。6.根据权利要求2所述的情感识别方法，其特征在于，依据所述待识别文本序列中的全部待识别情感词的所述第一情感分数确定所述待识别文本序列的第二情感分数包括：在所述待识别文本序列中确定各个所述待识别情感词对应的程度副词，其中所述程度副词为在所述待识别文本序列中位于所述待识别情感词之前并且与所述待识别情感词距离最近的副词；
依据所述程度副词确定各个所述待识别情感词对应的权重；依据各个所述待识别情感词对应的所述权重和所述第一情感分数进行加权求和运算，得到所述第二情感分数。7.根据权利要求1所述的情感识别方法，其特征在于，所述情感分类任务网络中包括第一类卷积层和第一类门控共享单元，所述第一类卷积层和所述第一类门控单元交替连接；所述领域分类任务网络中包括第二类卷积层和第二类门控共享单元，所述第二类卷积层和所述第二类门控共享单元交替连接，其中，所述第一类卷积层用于对输入到所述第一类卷积层中的数据进行卷积从而得到所述情感特征信息，所述第二类卷积层用于对输入到所述第二类卷积层中的数据进行卷积从而得到所述所属领域特征信息；所述第一类门控共享单元向对应的所述第二类门控共享单元发送所述情感特征信息并从所述第二类门控共享单元中获取所述所属领域特征信息，以及融合所述...

【专利技术属性】
技术研发人员：盖奕夫，陈永录，贾建红，李亚茹，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：