[发明专利]情感识别模型的训练方法、装置、设备和存储介质

说明书

本公开关于一种情感识别模型的训练方法、装置、设备和存储介质，涉及数据处理技术领域，所述情感识别模型的训练方法，包括：获取具有标注标签的样本评论信息；对样本评论信息进行切词以生成多个字；分别获取多个字的索引值、掩码值和文本编号，并根据多个字对对应的索引值、掩码值和文本编号生成多个字的编码向量；根据多个字的编码向量生成多个字的词向量，并根据多个字的词向量生成样本评论信息的句向量；根据句向量生成样本评论信息的预测标签；以及根据标注标签和预测标签对情感识别模型进行训练。由此，可以训练情感识别模型，以使通过情感识别模型对评论信息进行处理，使得无需人工审核评论信息并处理，提高了评论信息处理效率和准确性。

技术领域

本公开涉及数据处理技术领域，尤其涉及一种情感识别模型的训练方法、装置、设备和存储介质。

背景技术

目前，在信息流广告中，广告推荐系统会给用户推荐相应的视频广告，在视频广告的属性中，用户评论作为用户的隐式反馈行为数据，对广告推荐系统进行用户满意度的评估有着重要的作用。

具体地，用户在视频广告中的评论，可以表达出用户的情感和喜爱，如果用户喜爱广告，则会在评论中对其加以赞赏；而如果用户对广告很反感，则也会通过评论表达出来。

相关技术中，通过人工收集用户在广告下面的评论信息，并对评论信息进行审核和处理，使得评论信息处理效率和准确率比较低。

发明内容

本公开提供一种情感识别模型的训练方法以及装置，以至少解决相关技术中评论信息处理效率和准确率比较低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种情感识别模型的训练方法，包括：

获取样本评论信息，其中，所述样本评论信息具有标注标签；

对所述样本评论信息进行切词以生成多个字；

分别获取所述多个字的索引值、掩码值和文本编号，并根据所述多个字对对应的索引值、掩码值和文本编号生成所述多个字的编码向量；

根据所述多个字的编码向量生成所述多个字的词向量，并根据所述多个字的词向量生成所述样本评论信息的句向量；

根据所述句向量生成所述样本评论信息的预测标签；以及

根据所述标注标签和所述预测标签对情感识别模型进行训练。

在本公开的一个实施例中，在所述获取样本评论信息之后，还包括：获取所述样本评论信息的长度；以及如果所述样本评论信息的长度大于预设长度，则将所述样本评论信息之中大于所述预设长度的部分删除。

在本公开的一个实施例中，所述情感识别模型的损失函数为：L＝-[y logy'+(1-y)log(1-y')]；其中，为所述标注标签，为所述预测标签。

在本公开的一个实施例中，所述根据所述多个字对对应的索引值、掩码值和文本编号生成所述多个字的编码向量，包括：将所述多个字对应的索引值、所述掩码值和所述文本编号进行加权相加以生成所述多个字的编码向量。

在本公开的一个实施例中，其中，所述样本评论信息包括N个字，所述根据所述多个字的词向量生成所述样本评论信息的句向量，包括：对所述N个字分别进行编码以生成所述N个字对应的初始编码；分别对所述N个字的初始编码进行转换编码以形成所述N个字分别对应的句向量，其中，所述N个字之中的第一个字对应的句向量为所述样本评论信息的句相量，且在对第i个字进行转换编码时，将所述N个字之中其他字对应的转换编码作为参考编码。

在本公开的一个实施例中，所述根据所述句向量生成所述样本评论信息的预测标签，包括：对所述句向量进行多层卷积以生成卷积值；对所述卷积值进行分类以生成所述预测标签。

根据本公开实施例的第二方面，提供一种情感识别模型的训练装置，包括：