一种基于多提示实现对话中的情感原因配对的方法、装置、设备、介质及产品制造方法及图纸

本申请公开了一种基于多提示实现对话中的情感原因配对的方法、装置、设备、介质及产品，涉及自然语言处理技术领域。本申请通过在对话文本中的情感子句和原因子句前显著地加上标记提示，便于模型定位和获取其上下文的语义信息。通过构建问题模版，让模型根据既有问题做简单的是非判断。通过各种情感的同义词加深语义，使模型做出更为精准的判断。本申请通过多提示的方式为模型注入丰富的语义信息，较好地解决了对话语料语义含蓄和情感原因对分布密度大等问题，提高了对话任务中情感原因配对的准确性。

【技术实现步骤摘要】

本申请涉及自然语言处理，特别是涉及一种基于多提示实现对话中的情感原因配对的方法、装置、设备、介质及产品。

技术介绍

1、随着人工智能和自然语言处理技术的快速发展，情感分析技术已广泛应用于社交媒体监控、市场分析、客户反馈系统等多个领域，通过分析文本数据中包含的情感信息，为用户提供有价值的参考。然而，情感分类的结果仅仅表明了文本的情感倾向，而未能揭示产生这些情感的具体原因。识别隐藏在情感背后的原因是近年来在情感分析领域备受关注的研究方向。随着对话系统在各种应用中的广泛应用，如智能客服、虚拟助手等，了解用户情感和其引起的原因对于改善对话系统的交互质量至关重要。

2、情感原因配对的任务开始于文档领域。早期的情感原因配对任务采用的是两步法，即先进行情感子句或原因子句的判别，然后再对第一步中识别到的正样本做情感原因对的判别。然而，这种两步法的结构存在局限性，因为误差无法有效传播到整个模型，由此会造成误差的累计，影响模型整体性能。随后的工作探索了2d transformer、滑动窗口和图神经网络等端到端的模型，这些端到端的模型能提升文档中情感原因配对的能力。本文档来自技高网...

【技术保护点】

1.一种基于多提示实现对话中的情感原因配对的方法，其特征在于，包括：

2.根据权利要求1所述的基于多提示实现对话中的情感原因配对的方法，其特征在于，所述情感预测模型包括：第一bert编码模块、第二bert编码模块、第三bert编码模块、第一特征提取模块、第二特征提取模块、第三特征提取模块、第一拼接模块、第二拼接模块、第三拼接模块、情感预测模块和情感原因配对模块；

3.根据权利要求2所述的基于多提示实现对话中的情感原因配对的方法，其特征在于，所述情感预测模块包括依次连接的注意力机制层、第一全连接层和第一softmax激活函数层。

4.根据权利要求2所述的...

【技术特征摘要】

1.一种基于多提示实现对话中的情感原因配对的方法，其特征在于，包括：

2.根据权利要求1所述的基于多提示实现对话中的情感原因配对的方法，其特征在于，所述情感预测模型包括：第一bert编码模块、第二bert编码模块、第三bert编码模块、第一特征提取模块、第二特征提取模块、第三特征提取模块、第一拼接模块、第二拼接模块、第三拼接模块、情感预测模块和情感原因配对模块；

3.根据权利要求2所述的基于多提示实现对话中的情感原因配对的方法，其特征在于，所述情感预测模块包括依次连接的注意力机制层、第一全连接层和第一softmax激活函数层。

4.根据权利要求2所述的基于多提示实现对话中的情感原因配对的方法，其特征在于，所述情感原因配对模块包括依次连接的自注意力机制层、第二全连接层和第二softmax激活函数层。

5.根据权利要求1所述的基于多提示实现对话中的情感原因配对的方法，其特征在于，所述情感预测模型采用如下损失函数训练获得；

6.根据权利...

【专利技术属性】
技术研发人员：谢波，王俊豪，张华，陈碧，姜波，汪烨，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：