[发明专利]人格特质和情绪的预测方法、装置、计算机设备及介质

说明书

本申请实施例公开了一种人格特质和情绪的预测方法、装置、计算机设备及介质，应用于人工智能技术领域。其中方法包括：对第一训练文本数据添加人格特质标签，对第二训练文本数据添加情绪标签，将添加人格特质标签的第一训练文本数据和添加情绪标签的第二训练文本数据输入神经网络模型得到分类结果，根据分类结果训练模型得到目标预测模型；将待预测文本数据输入目标预测模型，得到人格特质对应的第三目标概率分布和情绪对应的第四目标概率分布，根据第三目标概率分布确定目标人格特质，根据第四目标概率分布确定目标情绪。采用本申请实施例，可以提高预测准确性。本发明涉及区块链技术，如可将文本数据写入区块链中，以用于数据取证等场景。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种人格特质和情绪的预测方法、装置、计算机设备及介质。

背景技术

随着计算机技术的不断发展，深度学习相关技术越发成熟。目前，人们可以通过深度学习相关技术来对模型进行训练，以使训练得到的模型可以对个体的心理特征(例如人格特质或情绪)进行预测。现有的人格特质和情绪预测方法通常是通过先预测人格特质再推断情绪。然而，现有的预测方法没有很好的学习到多个预测任务之间的关联信息，进而导致模型对于人格特质或情绪的预测准确性不高。因此，如何在进行人格特质和情绪的预测过程中提高预测准确性成为了一个亟待解决的问题。

发明内容

本申请实施例提供了一种人格特质和情绪的预测方法、装置、计算机设备及介质，可以同时预测人格特质和情绪，并提高人格特质和情绪的预测准确性。

第一方面，本申请实施例提供了一种人格特质和情绪的预测方法，该方法包括：

获取第一训练样本集和第二训练样本集，所述第一训练样本集包括多个第一训练文本数据，所述第二训练集包括多个第二训练文本数据；

对所述第一训练样本集中的每个第一训练文本数据添加人格特质标签，并对所述第二训练样本集中的每个第二训练文本数据添加情绪标签；

将添加人格特质标签后的每个第一训练文本数据和添加情绪标签后的每个第二训练文本数据输入预设的神经网络模型，得到分类结果，并根据所述分类结果对所述神经网络模型进行训练，得到目标预测模型，其中，所述分类结果包括所述第一训练文本数据的人格特质标签对应的第一目标概率分布，以及所述第二训练文本数据的情绪特质标签对应的第二目标概率分布；

获取待预测文本数据，并将所述待预测文本数据输入所述目标预测模型，得到所述待预测文本数据的人格特质对应的第三目标概率分布，和所述待预测文本数据的情绪对应的第四目标概率分布，以及根据所述第三目标概率分布确定所述待预测文本数据对应的目标人格特质，以及根据所述第四目标概率分布确定所述待预测文本数据对应的目标情绪。

在一种可能的实施方式中，所述将添加人格特质标签后的每个第一训练文本数据和添加情绪标签后的每个第二训练文本数据输入预设的神经网络模型，得到分类结果，包括：

将所述添加人格特质标签后的每个第一训练文本数据输入所述神经网络模型，得到所述添加人格特质标签后的每个第一训练文本数据对应的第一特征信息；以及，

将所述添加情绪标签后的每个第二训练文本数据输入所述神经网络模型，得到所述添加情绪标签后的每个第二训练文本数据对应的第二特征信息；

根据所述第一特征信息和所述第二特征信息，确定所述第一训练文本数据的人格特质标签对应的第一目标概率分布，以及与所述第二训练文本数据的情绪特质标签对应的第二目标概率分布。

在一种可能的实施方式中，所述神经网络模型包括第一嵌入层、第二嵌入层、第一卷积层和第二卷积层；所述将添加人格特质标签后的每个第一训练文本数据输入所述神经网络模型，得到所述添加人格特质标签后的每个第一训练文本数据对应的第一特征信息，包括：