System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术实施例涉及人工智能,尤其涉及一种情感识别方法、装置、电子设备和存储介质。
技术介绍
1、随着经济的快速发展,金融市场日益活跃、不断完善,越来越多的人参与到理财投资业务当中。目前,如果想要给用户推荐一些理财投资业务,通常需要查看用户的历史交易数据、用户资金量、用户当前持有理财投资业务种类等,以分析用户的投资偏向,进而给用户推荐合适的理财投资业务,这种做法不仅费时费力,而且准确度低。
技术实现思路
1、本专利技术实施例提供一种情感识别方法、装置、电子设备和存储介质,可以实现业务的精准推荐,速度快、效率和准确率高,节省了推荐成本。
2、第一方面,本专利技术实施例提供的情感识别方法,包括:
3、将样本用户对目标业务的评论数据分别输入教师情感识别模型和学生情感识别模型进行训练;
4、根据所述教师情感识别模型的训练输出和所述学生情感识别模型的训练输出确定第一训练损失,并根据所述样本用户对所述目标业务的情感标签和所述学生情感识别模型的训练输出确定第二训练损失;
5、根据所述第一训练损失和所述第二训练损失确定训练总损失;
6、根据所述训练总损失优化所述学生情感识别模型,得到目标情感识别模型;
7、利用所述目标情感识别模型识别目标用户对所述目标业务的情感类型。
8、上述方案,可以将样本用户对目标业务的评论数据分别输入教师情感识别模型和学生情感识别模型进行训练;根据教师情感识别模型的训练输出和学生情感识别模型
9、第二方面,本专利技术实施例提供的情感识别装置,包括:
10、输入模块,用于将样本用户对目标业务的评论数据分别输入教师情感识别模型和学生情感识别模型进行训练;
11、第一确定模块,用于根据所述教师情感识别模型的训练输出和所述学生情感识别模型的训练输出确定第一训练损失,并根据所述样本用户对所述目标业务的情感标签和所述学生情感识别模型的训练输出确定第二训练损失;
12、第二确定模块,用于根据所述第一训练损失和所述第二训练损失确定训练总损失;
13、优化模块,用于根据所述训练总损失优化所述学生情感识别模型,得到目标情感识别模型;
14、识别模块,用于利用所述目标情感识别模型识别目标用户对所述目标业务的情感类型。
15、第三方面,本专利技术实施例提供的电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如本专利技术任一实施例的情感识别方法。
16、第四方面,本专利技术实施例提供的计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本专利技术任一实施例的情感识别方法。
17、本专利技术中第二方面、第三方面以及第四方面的描述,可以参考第一方面的详细描述;并且,第二方面、第三方面以及第四方面描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
18、在本专利技术中,上述情感识别装置的名字对设备或功能模块本身不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本专利技术类似,属于本专利技术权利要求及其等同技术的范围之内。
19、本专利技术的这些方面或其他方面在以下的描述中会更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种情感识别方法,其特征在于,包括:
2.根据权利要求1所述的情感识别方法,其特征在于,所述将样本用户对目标业务的评论数据分别输入教师情感识别模型和学生情感识别模型进行训练,包括:
3.根据权利要求2所述的情感识别方法,其特征在于,所述学生情感识别模型包括双向门控循环单元和全连接层,在将所述词向量输入所述学生情感识别模型之后,还包括:
4.根据权利要求1所述的情感识别方法,其特征在于,所述根据所述教师情感识别模型的训练输出和所述学生情感识别模型的训练输出确定第一训练损失,包括:
5.根据权利要求1所述的情感识别方法,其特征在于,所述根据所述样本用户对所述目标业务的情感标签和所述学生情感识别模型的训练输出确定第二训练损失,包括:
6.根据权利要求1所述的情感识别方法,其特征在于,所述根据所述第一训练损失和所述第二训练损失确定训练总损失,包括:
7.根据权利要求1所述的情感识别方法,其特征在于,所述方法还包括:
8.一种情感识别装置,其特征在于,包括:
9.一种电子设备,包括存储器、处
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一项所述的情感识别方法。
...【技术特征摘要】
1.一种情感识别方法,其特征在于,包括:
2.根据权利要求1所述的情感识别方法,其特征在于,所述将样本用户对目标业务的评论数据分别输入教师情感识别模型和学生情感识别模型进行训练,包括:
3.根据权利要求2所述的情感识别方法,其特征在于,所述学生情感识别模型包括双向门控循环单元和全连接层,在将所述词向量输入所述学生情感识别模型之后,还包括:
4.根据权利要求1所述的情感识别方法,其特征在于,所述根据所述教师情感识别模型的训练输出和所述学生情感识别模型的训练输出确定第一训练损失,包括:
5.根据权利要求1所述的情感识别方法,其特征在于,所述根据所述样本用户对所述目标业务的情感标签和所述学生情...
【专利技术属性】
技术研发人员:樊琦,
申请(专利权)人:中国农业银行股份有限公司,
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。