【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种情感分类模型训练方法、系统、情感分类方法及系统。
技术介绍
1、在当今的信息社会中，评论信息情感分类具有重要的意义。例如：对主贴的评论信息进行情感分类，以了解评论者的情感等。通过对评论信息进行情感分类，能够帮助企业或机构等进行用户情感分析与舆论监控等。目前，通常通过对评论信息进行分词，并利用神经网络模型对分词后的多个词汇进行情感分类。
2、然而，上述方式在处理多样化情感数据的分类时，分类效果较差，精准度较低。并且，对于评论信息较短且模棱两可的情况，该方式难以准确判断其情感倾向。
技术实现思路
1、本申请提供一种情感分类模型训练方法、系统、情感分类方法及系统，以解决现有技术中在对评论信息进行情感分类时，分类效果较差，精准度较低的问题。
2、本申请提供的情感分类模型训练方法，所述方法包括：获取训练集，所述训练集包括多个训练样本，所述训练样本包括：评论信息、被评论信息以及情感标签；
3、对所述评论信息与所述被评论信息进行拼接，基...
【技术保护点】
1.一种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所述的情感分类模型训练方法，其特征在于，基于拼接后的信息进行特征提取，得到目标特征的步骤包括：
3.根据权利要求2所述的情感分类模型训练方法，其特征在于，基于所述目标序列进行特征提取，得到所述目标特征的步骤包括：
4.根据权利要求3所述的情感分类模型训练方法，其特征在于，基于每个所述特征段的目标表示，进行特征提取，得到所述目标特征的步骤包括：
5.根据权利要求1至4任一项所述的情感分类模型训练方法，其特征在于，将所述综合向量输入情感分类模型的分类网络，以...
【技术特征摘要】
1.一种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所述的情感分类模型训练方法，其特征在于，基于拼接后的信息进行特征提取，得到目标特征的步骤包括：
3.根据权利要求2所述的情感分类模型训练方法，其特征在于，基于所述目标序列进行特征提取，得到所述目标特征的步骤包括：
4.根据权利要求3所述的情感分类模型训练方法，其特征在于，基于每个所述特征段的目标表示，进行特征提取，得到所述目标特征的步骤包括：
5.根据权利要求1至4任一项所述的情感分类模型训练方法，其特征在于，将所述综合向量输入情感分类模型的分类网络...
【专利技术属性】
技术研发人员：曾玉兴，朱红霞，罗俊，周沁含，谭昙，罗顺桥，黄勇，明双，庞景景，
申请(专利权)人：赛力斯汽车有限公司，
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。