【技术实现步骤摘要】
本公开涉及人工智能领域，特别是涉及一种多标签情感分类模型训练方法、相关装置和介质。
技术介绍
1、目前，可以通过人工智能的方式，对文本体现的情感进行分类。文本多标签分类是指对同一文本进行不同情感方面的同时分类。例如，识别同一文本是否包含高兴的情感、是否包含爱的情感、是否包含惊奇的情感等。甚至可以针对同一文本，识别其是否包含高强度高兴的情感、是否包含中强度惊奇的情感等。
2、现有技术中，已有多种通过大模型对文本进行多标签情感分类的方法。但这些方法由于训练样本标注不准确，含有大量噪声，导致训练出的模型情感分类准确性较低。
技术实现思路
1、本公开实施例提供了一种情感分类模型训练方法、情感分类方法、相关装置和介质，它能够提高多标签情感分类模型进行情感分类的准确性。
2、根据本公开的一方面，提供了一种多标签情感分类模型训练方法，包括：
3、将初始样本文本集中的样本文本输入多个所述多标签情感分类模型，得到与每个所述多标签情感分类模型对应的最大概率情感分类；
...【技术保护点】
1.一种多标签情感分类模型训练方法，其特征在于，包括：
2.根据权利要求1所述的多标签情感分类模型训练方法，其特征在于，所述从多个所述多标签情感分类模型中确定训练好的多标签情感分类模型，包括：
3.根据权利要求1所述的多标签情感分类模型训练方法，其特征在于，所述将初始样本文本集中的样本文本输入多个所述多标签情感分类模型，得到与每个所述多标签情感分类模型对应的最大概率情感分类，包括：
4.根据权利要求3所述的多标签情感分类模型训练方法，其特征在于，所述确定所述第一正向判别概率最大的所述情感分类，作为与所述多标签情感分类模型对应的所述最...
【技术特征摘要】
1.一种多标签情感分类模型训练方法，其特征在于，包括：
2.根据权利要求1所述的多标签情感分类模型训练方法，其特征在于，所述从多个所述多标签情感分类模型中确定训练好的多标签情感分类模型，包括：
3.根据权利要求1所述的多标签情感分类模型训练方法，其特征在于，所述将初始样本文本集中的样本文本输入多个所述多标签情感分类模型，得到与每个所述多标签情感分类模型对应的最大概率情感分类，包括：
4.根据权利要求3所述的多标签情感分类模型训练方法，其特征在于，所述确定所述第一正向判别概率最大的所述情感分类，作为与所述多标签情感分类模型对应的所述最大概率情感分类，包括：
5.根据权利要求1所述的多标签情感分类模型训练方法，其特征在于，所述多标签情感分类模型包括情感细节学习模型和分类层；
6.根据权利要求5所述的多标签情感分类模型训练方法，其特征在于，多个所述第一情感分类标签包含所述无情感标签、和各种情感强烈程度的各种情感分类标签；
7.根据权利要求6所述的多标签情感分类模型训练方法，其特征在于，所述基于所述第六情感分类结果和该种情感分类标签的比较，将该种情感分类标签划分为所述第一类标签或所述第二类标签，包括：
8.根据权利要求5所述的多标签情感分类模型训练方法，其特征在于，所述从所述第一样本文本中获取第一易混淆样本文本，从所述第二样本文本中获取第二易混淆样本文本，包括：
9.根据权利要求8所述的多标签情感分类模型训练方法，其特征在于，所述确定所述第一判别概率与所述第一样本文本的所述第一情感分类标签对应的第一判别阈值满足第一关系，包括：
10.根据权利要求8所述的多标签情感分类模型训练方法，其特征在于，所述确定所述第二判别概率与所述第二样本文本的所述第一情感分类标签对应的第二判别阈值满足第二关系，包括：
11.根据权利要求8所述的多标签情感分类模型训练方法，其特征在于，所述基于所述第一易混淆样本文本、所述第二易混淆样本文本和所...
【专利技术属性】
技术研发人员：郭卉，
申请(专利权)人：腾讯科技深圳有限公司，
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。