[发明专利]神经网络的训练方法、舆情危机识别方法及相关装置

说明书

本申请涉及机器学习领域，具体涉及一种神经网络的训练方法、舆情危机识别方法及相关装置，能够提高舆情危机识别的准确率。该神经网络用于舆情危机识别，训练方法包括：获取预设的M个危机类别中每个危机类别下的一个或多个危机评价文本；针对M个危机类别中的每个危机类别执行：基于第一危机类别下的危机评价文本，生成一组或多组危机样本；将危机样本作为训练样本，训练预设神经网络模型，使得训练后的神经网络模型具备识别针对目标对象的评价文本和危机类别，输出评价文本所描述的危机问题属于对应危机类别的概率的能力。

技术领域

本申请涉及机器学习领域，尤其涉及一种神经网络的训练方法、舆情危机识别方法及相关装置。

背景技术

随着互联网的高速发展，公众可以在网络上发表关于企业、企业相关业务、及企业相关产品的言论及观点，上述言论及观点可以称为舆情数据。舆情数据可能会涉及企业产品及服务的重大危机事件。为了维护企业的社会形象，企业需要时刻关注舆情数据，并从海量的互联网舆情数据中，及时和准确的发现舆情数据可能会涉及的危机类别，基于危机类别，采取相应的业务干预机制，避免公司的信誉和形象受损。

相关技术中，采用深度学习模型，例如文本多分类模型，对舆情数据进行分类，识别出舆情数据对应的危机类别，以便于后续干预机制的展开。深度学习模型通常需要基于大量的舆情数据训练之后，才会取得较好的类别识别效果。然而，企业的舆情数据量往往是比较少的，导致模型的可用训练样本量很少。基于较少训练样本量训练得到的深度学习模型，在实际舆情危机识别过程中，存在舆情危机识别准确率偏低的问题，进而影响业务干预的实施效率，例如业务干预机制启动延迟，导致企业信誉和形象受损，造成企业客户流失和产品销量下滑等问题。

发明内容

有鉴于此，本申请提供了一种神经网络的训练方法、舆情危机识别方法及相关装置，以提高舆情危机的识别准确率。

为达到上述目的，本申请的实施例采用如下技术方案：

第一方面，本申请提供一种神经网络的训练方法，该神经网用于舆情危机识别，该包括：获取预设的M个危机类别中每个危机类别下的一个或多个危机评价文本，危机评价文本是一个或多个平台中用户评价目标对象的文本，危机评价文本用于描述目标对象存在的危机问题，不同危机问题对应不同的危机类别；针对M个危机类别中的每个危机类别执行：基于第一危机类别下的危机评价文本，生成一组或多组危机样本；其中，每组危机样本包括一个正样本和多个负样本；正样本包括第一危机评价文本、第一指示信息和第一标签，第一指示信息用于指示第一危机评价文本所描述的危机问题属于第一危机类别；负样本包括第一危机评价文本、第二指示信息和第二标签，第二指示信息用于指示第一危机评价文本所描述的危机问题属于第二危机类别，第二危机类别是M个危机类别中除第一危机类别之外的一个危机类别；其中，第一标签和第二标签不同；将危机样本作为训练样本，训练预设神经网络模型，使得训练后的神经网络模型具备识别针对目标对象的评价文本和危机类别，输出评价文本所描述的危机问题属于对应危机类别的概率的能力；其中，危机样本中第一危机评价文本和第一指示信息作为正样本的输入样本，第一标签作为正样本的输出样本，危机样本中第一危机评价文本和第二指示信息作为负样本的输入样本，第二标签作为负样本的输出样本。