[发明专利]一种社交媒体压力类别检测方法及装置

说明书

本发明提供一种社交媒体压力类别检测方法及装置，其中方法包括：获取待分类对象和支持集；将待分类对象和支持集输入至压力类别检测模型，获得压力类别检测模型输出的分类结果；其中，压力类别检测模型是基于训练集和测试集进行元学习后得到的，训练集包括训练样本以及对应的分类标签，测试集包括测试样本以及对应的分类标签，支持集包括至少一个类别，每个类别包括至少一个支持样本以及每个支持样本对应的分类标签。本发明提供的社交媒体压力类别检测方法及装置，通过元学习使压力类别检测模型能够基于少量不频繁出现的压力类别的数据就可以直接识别那些不频繁出现的压力类别。

技术领域

本发明涉及计算机技术领域，尤其涉及一种社交媒体压力类别检测方法及装置。

背景技术

了解压力类别对于帮助人们采取有效措施应对压力非常重要。由于社交媒体上丰富的信息，因此可以通过社交媒体分析人们的压力类别。当前的压力类别检测的方法都关注于检测在社交媒体上频繁出现的压力类别(学业，工作，经济等)，而忽略了那些不频繁出现的压力类别。而这些类别的压力往往更严重，如少数群体会经历的压力类别(怀孕压力)。

由于面临数据稀缺的问题，导致对不频繁出现的压力类别检测准确率有待提高。

发明内容

本发明提供一种社交媒体压力类别检测方法，用以解决现有技术中对于不频繁出现的压力类别检测准确率低的缺陷，提高对不频繁出现的压力类别检测的准确率。

第一方面，本发明提供一种社交媒体压力类别检测方法，包括：

获取待分类对象和支持集；

将所述待分类对象和所述支持集输入至压力类别检测模型，获得所述压力类别检测模型输出的分类结果；

其中，所述压力类别检测模型是基于训练集和测试集进行元学习后得到的，所述训练集包括训练样本以及对应的分类标签，所述测试集包括测试样本以及对应的分类标签，所述支持集包括至少一个类别，每个类别包括至少一个支持样本以及每个所述支持样本对应的分类标签。

可选地，所述压力类别检测模型包括：编码模块、归纳模块和关系模块；

所述将所述待分类对象和所述支持集输入至压力类别检测模型，获得所述压力类别检测模型输出的分类结果，包括：

将所述待分类对象输入至所述编码模块，获得所述编码模块输出的待分类向量；

将所述支持集输入至所述归纳模块，获得所述归纳模块输出的类别向量集，所述类别向量集包括至少一个类别向量，每个所述类别向量与所述分类标签一一对应；

将所述待分类向量和所述类别向量集输入至所述关系模块，获得所述关系模块输出的分类结果。

可选地，所述归纳模块包括向量单元和赋权单元；

所述将所述支持集输入至所述归纳模块，获得所述归纳模块输出的类别向量集，包括：

将所述支持集输入至所述向量单元，获得所述向量单元输出的专家向量集，所述专家向量集中包括至少一个专家向量，每个所述专家向量与所述支持集中的支持样本一一对应；

将所述专家向量集输入至赋权单元，对所述专家向量集基于预设赋权公式进行赋权操作，获得所述赋权单元输出类别向量集。

可选地，所述预设赋权公式包括初始值公式、门值公式和类别表示函数；

所述初始值公式为：

η_i＝Relu(e_iW_g+b_g)；

所述门值公式为：

所述类别表示函数为：