[发明专利]跨领域文本情感分类模型的训练方法、装置、设备及介质

权利要求书

1.一种跨领域文本情感分类模型的训练方法，其特征在于，所述方法包括下述步骤：

根据预设的源领域样本集和预设的目标领域样本集对预先构建的跨领域文本情感分类模型进行初次训练，所述目标领域样本集中的每个目标样本为无标签样本，所述跨领域文本情感分类模型由自动编码器、领域分类器以及情感分类器组成；

根据训练好的所述跨领域文本情感分类模型对所述目标领域样本集进行情感分类，得到所述每个目标样本对应的情感预测标签和所述每个目标样本属于预设的每个情感类别的隶属度；

根据所述隶属度，通过预设的模糊值公式计算所述每个目标样本的情感模糊值，得到对应的情感模糊值集；

将所述情感模糊值集中低于预设模糊阈值的情感模糊值对应的目标样本和所述目标样本对应的情感预测标签添加到所述源领域样本集中，以对所述源领域样本集进行扩充；

根据扩充后的所述源领域样本集和所述目标领域样本集对所述跨领域文本情感分类模型进行再次训练，以完成对所述跨领域文本情感分类模型的训练；

根据预设的源领域样本集和预设的目标领域样本集对预先构建的跨领域文本情感分类模型进行初次训练的步骤，包括：

根据预设的模型代价损失函数、所述源领域样本集以及所述目标领域样本集对预先构建的跨领域文本情感分类模型进行初次训练，所述模型代价损失函数l_ALL为l_ALL＝l_SC+αl_AE+βl_DC，其中，l_SC为预设的所述情感分类器的代价损失函数，l_AE为预设的所述自动编码器的代价损失函数，α为预设的所述自动编码器的损失权衡参数，l_DC为预设的所述领域分类器的代价损失函数，β为预设的所述领域分类器的损失权衡参数。

2.如权利要求1所述的方法，其特征在于，根据预设的模型代价损失函数、所述源领域样本集以及所述目标领域样本集对预先构建的跨领域文本情感分类模型进行初次训练的步骤，包括：

根据所述自动编码器的代价损失函数和所述源领域样本集对所述自动编码器进行训练，根据所述领域分类器的代价损失函数、所述源领域样本集以及所述目标领域样本集对所述领域分类器进行训练，根据所述情感分类器的代价损失函数和所述源领域样本集对所述情感分类器进行训练。

3.一种跨领域文本情感分类模型的训练装置，其特征在于，所述装置包括：

模型初次训练单元，用于根据预设的源领域样本集和预设的目标领域样本集对预先构建的跨领域文本情感分类模型进行初次训练，所述目标领域样本集中的每个目标样本为无标签样本，所述跨领域文本情感分类模型由自动编码器、领域分类器以及情感分类器组成；

情感分类单元，用于根据训练好的所述跨领域文本情感分类模型对所述目标领域样本集进行情感分类，得到所述每个目标样本对应的情感预测标签和所述每个目标样本属于预设的每个情感类别的隶属度；

模糊值计算单元，用于根据所述隶属度，通过预设的模糊值公式计算所述每个目标样本的情感模糊值，得到对应的情感模糊值集；

源样本集扩充单元，用于将所述情感模糊值集中低于预设模糊阈值的情感模糊值对应的目标样本和所述目标样本对应的情感预测标签添加到所述源领域样本集中，以对所述源领域样本集进行扩充；以及

模型再次训练单元，用于根据扩充后的所述源领域样本集和所述目标领域样本集对所述跨领域文本情感分类模型进行再次训练，以完成对所述跨领域文本情感分类模型的训练；

所述模型初次训练单元包括：

模型训练子单元，用于根据预设的模型代价损失函数、所述源领域样本集以及所述目标领域样本集对预先构建的跨领域文本情感分类模型进行初次训练，所述模型代价损失函数l_ALL为l_ALL＝l_SC+αl_AE+βl_DC，其中，l_SC为预设的所述情感分类器的代价损失函数，l_AE为预设的所述自动编码器的代价损失函数，α为预设的所述自动编码器的损失权衡参数，l_DC为预设的所述领域分类器的代价损失函数，β为预设的所述领域分类器的损失权衡参数。