[发明专利]情绪向量的生成方法及装置

权利要求书

1.一种情绪向量的生成方法，其特征在于，包括：

将预设单词样本集合按照语义划分为多组数据集，其中，所述多组数据集包括：心态数据集、感情数据集、精神数据集、脏话数据集、侮辱数据集、心理数据集；

根据所述多组数据集训练决策树模型，获得向量生成模型；

向所述向量生成模型中输入目标情绪词，得到所述目标情绪词的情绪向量。

2.根据权利要求1所述的方法，其特征在于，将预设单词样本划分为多组数据集包括：

采用Word2vec模型将所述预设单词样本集合转换为多个词向量；

将所述多个词向量按照语义划分为多组数据集。

3.根据权利要求2所述的方法，其特征在于，将所述多个词向量按照语义划分为多组数据集包括：

将所述多个词向量按照语义划分为所述心态数据集，其中，所述心态数据集包括：消极的情绪词，积极的情绪词；

将所述多个词向量按照语义划分为所述感情数据集，其中，所述感情数据集包括：褒义的情绪词，贬义的情绪词；

将所述多个词向量按照语义划分为所述精神数据集，其中，所述精神数据集包括：与压力相关的情绪词，与压力无关的情绪词；

将所述多个词向量按照语义划分为所述脏话数据集，其中，所述脏话数据集包括：包含脏话的情绪词，不包含脏话的情绪词；

将所述多个词向量按照语义划分为所述侮辱数据集，其中，所述侮辱数据集包括：包含侮辱语义的情绪词，不包含侮辱语义的情绪词；

将所述多个词向量按照语义划分为所述心理数据集，其中，所述心理数据集至少包括：表现用户焦虑的情绪词，表现用户渴望的情绪词，表现用户纠结的情绪词，表现用户徘徊的情绪词。

4.根据权利要求1所述的方法，其特征在于，根据所述多组数据集训练决策树模型，获得向量生成模型包括：

提取与所述多组数据集分别对应的多组特征向量；

针对所述多组特征向量中的每一组特征向量，训练一个决策树模型，得到多组模型参数；

使用所述多组模型参数构建分类器，获得所述向量生成模型。

5.根据权利要求4所述的方法，其特征在于，提取与所述多组数据集分别对应的多组特征向量包括：

针对所述多组数据集中的每一组数据集，输入词嵌入层，得到多组词向量；

将所述多组词向量中的每一组词向量表示成V*K矩阵，得到与每一组词向量对应的一组特征向量，其中，V表示每一组词向量的数量，K表示每一组词向量中单个词向量的维度。

6.根据权利要求5所述的方法，其特征在于，针对所述多组特征向量中的每一组特征向量，训练一个决策树模型，得到多组模型参数包括：

将所述V*K矩阵输入到一个决策树模型中，得到N*K矩阵，其中，所述决策树模型中含有K棵决策树，N是大于V的正整数；

将所述N*K矩阵作为所述V*K矩阵的一组模型参数。

7.根据权利要求4所述的方法，其特征在于，使用所述多组模型参数构建分类器，获得所述向量生成模型包括：

针对所述多组模型参数中的每一组模型参数，构建一个分类器，基于负对数似然函数计算每一组模型参数的第一损失值；

基于L2损失函数计算所述第一损失值的第二损失值；

将在所述第二损失值达到最小时对应的模型作为所述向量生成模型。

8.一种情绪向量的生成装置，其特征在于，包括：

划分模块，用于将预设单词样本集合按照语义划分为多组数据集，其中，所述多组数据集包括：心态数据集、感情数据集、精神数据集、脏话数据集、侮辱数据集、心理数据集；

训练模块，用于根据所述多组数据集训练决策树模型，获得向量生成模型；

生成模块，用于向所述向量生成模型中输入目标情绪词，得到所述目标情绪词的情绪向量。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。