[发明专利]一种对话文本的情感倾向分类模型的建模方法和装置

说明书

本发明涉及对话情感识别技术领域，具体涉及一种对话文本的情感倾向分类模型的建模方法和装置。本发明中的对话文本的情感倾向分类模型包括五个层级，通过词向量化处理将输入的对话文本打散为一个一个的词汇，然后计算每句对话中词汇之间的联系权重，生成联系权重矩阵，再根据该联系权重矩阵，选择合适的词汇用于指代输入的对话文本中每句对话的表达特征，之后结合历史对话的情感状态信息对当前对话的影响，获取每句对话对应的情感状态信息，最终通过MLP网络获取输入的对话文本中每句对话对应的情感倾向分类。本发明充分考虑了在先的历史对话对当前对话的情感状态的影响，从而准确地实现了对输入的对话文本的情绪倾向分类。

技术领域

本发明涉及对话情感识别技术领域，具体涉及一种对话文本的情感倾向分类模型的建模方法和装置。

背景技术

互联网技术的迅速发展和普及，迅速将人类带入进了信息时代，为人们的工作生活带来了极大的便利。如何使机器能够理解人类的语言表达，也成了下一阶段互联网技术发展的重要方向。

现有的智能设备已经能够识别用户对其发出的指令，这个过程中智能设备首先将语音信息拆分成音素集合(例如中文中的声母、韵母和音调)，然后通过诸如深度学习模型等机器学习算法，将这些音素集合转化为文本信息，最后通过对获得的文本信息进行语义分析，从而获取用户对其下发的目标指令。但是，现有技术只是侧重于文本浅层特征的自动学习，忽略了文本中蕴含的诸如喜怒哀乐等情绪信息的特征，从而不能使机器实现与人之间更深入的交流和沟通。

因此，如何准确地针对对话文本进行情绪倾向分类，是目前亟待解决的技术问题。

发明内容

本发明的目的是提供一种对话文本的情感倾向分类模型的建模方法和装置，以准确地针对对话文本进行情绪倾向分类。

本发明实施例提供了以下方案：

第一方面，本发明实施例提供一种对话文本的情感倾向分类模型的建模方法，所述方法包括：

构建对话文本训练集；

构建对话文本的情感倾向分类模型；

利用所述对话文本训练集训练所述对话文本的情感倾向分类模型，获得训练好的对话文本的情感倾向分类模型；

其中，所述训练好的对话文本的情感倾向分类模型，包括：

词向量化处理层，用于对输入的对话文本进行词向量化处理，获得词向量embedding矩阵；

联系权重矩阵计算层，用于将所述词向量embedding矩阵等同于Key矩阵、Value矩阵和Query矩阵，并通过Transformer-Encoder模型，获得带有所述词向量embedding矩阵中各词汇之间联系的联系权重矩阵；

对话表达特征获取层，用于将所述联系权重矩阵通过线性层和残差神经网络进行处理计算，获取所述输入的对话文本中每句对话的表达特征；

情感状态信息获取层，用于根据所述每句对话的表达特征，获得所述每句对话对应的情感状态信息；

情感倾向分类层，用于利用MLP网络对所述每句对话对应的情感状态信息进行处理，获得所述输入的对话文本中每句对话对应的情感倾向分类。

在一种可能的实施例中，所述构建对话文本训练集，包括：

获取对话文本原始集；

统一所述对话文本原始集的对话格式，去除所述对话文本原始集中的停用词和无用字符；

为所述对话文本原始集中的每句对话设置对应的情感状态信息和情感倾向分类，构建所述对话文本训练集。

在一种可能的实施例中，所述对输入的对话文本进行词向量化处理，获得词向量embedding矩阵，包括：