[发明专利]文本情绪识别方法、装置、终端设备和存储介质

权利要求书

1.一种文本情绪识别方法，其特征在于，包括：

将每个目标场景下的各个目标文本输入至已有的训练模型中，获取所述各个目标文本对应的目标预测类别；

根据所述目标预测类别，在所述每个目标场景中获取属于目标类别的第一文本；

获取第二文本，其中，所述第二文本属于非目标类别，且属于非目标场景下的文本；

将所述第一文本和第二文本输入至已有的训练模型中，对训练模型的模型参数进行调整得到目标模型，并根据所述目标模型对待识别的文本进行情绪识别。

2.如权利要求1所述的文本情绪识别方法，其特征在于，在将每个目标场景下的各个目标文本输入至已有的训练模型中，获取所述各个目标文本对应的预测类别之前，还包括：

获取每个测试场景下的多个文本；

将所述每个测试场景下的多个文本分别输入至所述已有的训练模型中，得到所述每个测试场景下的多个文本的初始预测类别；

根据所述初始预测类别，从多个测试场景中确定多个目标场景。

3.如权利要求2所述的文本情绪识别方法，其特征在于，根据所述初始预测类别，从多个测试场景中确定多个目标场景，包括：

根据所述初始预测类别，分别确定所述每个测试场景下的多个文本中属于所述目标预测类别的文本个数，以及确定所述每个测试场景下包含的初始预测类别的文本总个数；

计算属于所述目标预测类别的文本个数，在对应所述测试场景下的初始预测类别的文本总个数的占比值；

根据所述每个测试场景对应的占比值选取预设个数的所述目标场景，其中，所述目标场景对应的占比值高于其他测试场景对应的占比值。

4.如权利要求1所述的文本情绪识别方法，其特征在于，所述目标预测类别包括预测积极类别和预测消极类别；

所述根据所述目标预测类别，在所述每个目标场景中获取属于目标类别的第一文本，包括：

在所述每个目标场景下的各个目标文本中，分别获取所述目标文本属于所述预测积极类别的第一预测文本，和所述目标文本属于所述预测消极类别的第二预测文本；

获取所述每个目标场景对应的目标文本中，各个目标文本对应的真实类别；其中，所述真实类别包括真实积极类别和真实消极类别；

在所述第一预测文本中，将所述预测积极类别与所述真实积极类别均一致的文本，作为第一目标文本，并将所述预测消极类别与所述真实消极类别均一致的文本，作为第二目标文本；

将所述第一目标文本与第二目标文本作为属于所述目标类别的第一文本；其中，所述目标类别包括积极类别和消极类别。

5.如权利要求4所述的文本情绪识别方法，其特征在于，在将所述第一目标文本与第二目标文本作为属于所述目标类别的第一文本之后，还包括：

接收用户输入的积极类别词汇与消极类别词汇；

根据所述积极类别词汇，在所述每个目标场景下的各个目标文本中，查找包含所述积极类别词汇的第三目标文本；

根据所述消极类别词汇，在所述每个目标场景下的各个文本中，查找包含所述消极类别词汇的第四目标文本；

将所述第一目标文本与所述第三目标文本作为所述第一文本中的积极类别文本，并将所述第二目标文本与所述第四目标文本作为所述第一文本中的消极类别文本。

6.如权利要求1-5任一所述的文本情绪识别方法，其特征在于，所述将所述第一文本和第二文本输入至已有的训练模型中，对训练模型的模型参数进行调整得到目标模型，并根据所述目标模型对待识别的文本进行情绪识别，包括：

将所述每个目标场景对应的所述第一文本，输入至文本增强模型中进行文本数据增强，得到增强后的第一文本；

将所述第二文本，以及所述增强后的第一文本输入至已有的训练模型中，对所述训练模型的模型参数进行调整得到目标模型。

7.如权利要求6所述的文本情绪识别方法，其特征在于，在将所述第一文本和第二文本输入至已有的训练模型中，对训练模型的模型参数进行调整得到目标模型，并根据所述目标模型对待识别的文本进行情绪识别之后，还包括：

将所述待识别的文本的情绪识别结果上传至区块链中。