[发明专利]一种用于预测人物角色情绪的方法和装置

权利要求书

1.一种用于预测人物角色情绪的方法，其中，所述方法包括：

通过语言技术平台LTP对目标文字作品进行分词处理，得到多个分词，使用词嵌入技术获取每个分词的词向量特征表示；

使用LTP对所述目标文字作品进行句法及语义分析，获取所述每个分词对应的句法标签属性及语义标签属性，并获取所述句法标签属性的类别嵌入表示以及所述语义标签属性的类别嵌入表示；

将所述词向量特征表示、所述句法标签属性的类别嵌入表示以及所述语义标签属性的类别嵌入表示联合输入至已训练的情绪预测模型，输出所述目标文字作品对应的情绪预测结果，其中，所述情绪预测结果包括一个或多个人物角色及每个人物角色的情绪分类结果；

其中，在所述情绪预测模型的预先构建过程中，对于收集到的情绪训练数据集中的每个情绪训练数据，通过LTP对该情绪训练数据进行分词，得到多个分词，获取该情绪训练数据对应的人工标注标签；其中，所述人工标注标签用于标注所述多个分词中的至少一个情绪词及所述多个分词中的至少一个人物角色词相对于所述至少一个情绪词的情绪分类结果。

2.根据权利要求1所述的方法，其中，在所述情绪预测模型的预先构建过程中，所述方法还包括：

使用LTP对所述情绪训练数据进行句法及语义分析，获取每个分词对应的句法标签属性及语义标签属性；

构建情绪预测模型，使用XLnet的预训练模型参数对所述情绪预测模型进行初始化，其中，所述情绪预测模型为标准的XLnet网络模型；

通过所述每个情绪训练数据对应的人工标注标签、多个分词及每个分词对应的句法标签属性及语义标签属性，对所述情绪预测模型进行微调训练，得到所述已训练的情绪预测模型。

3.根据权利要求2所述的方法，其中，所述通过所述每个情绪训练数据对应的人工标注标签、多个分词及每个分词对应的句法标签属性及语义标签属性，对所述情绪预测模型进行微调训练，得到所述已训练的情绪预测模型，包括：

对于每个情绪训练数据，获取该情绪训练数据对应的人工标注标签的位置嵌入表示；

对于每个情绪训练数据对应的多个分词中的每个分词，使用词嵌入技术获取该分词的词向量特征表示、该分词的句法标签属性的类别嵌入表示以及该分词的语义标签属性的类别嵌入表示；

通过所述每个情绪训练数据对应的人工标注标签的位置嵌入表示、每个分词的词向量特征表示、每个分词的句法标签属性的类别嵌入表示以及每个分词的语义标签属性的类别嵌入表示，对所述情绪预测模型进行微调训练，得到已训练的所述情绪预测模型。

4.根据权利要求2或3所述的方法，其中，所述对所述情绪预测模型进行微调训练，得到已训练的所述情绪预测模型，包括：

对所述情绪预测模型进行多次微调训练，得到多个待定情绪预测模型，从所述多个待定情绪预测模型中选择目标情绪预测模型作为所述已训练的情绪预测模型。

5.根据权利要求4所述的方法，其中，所述对所述情绪预测模型进行多次微调训练，得到多个待定情绪预测模型，从所述多个待定情绪预测模型中选择目标情绪预测模型作为所述已训练的情绪预测模型，包括：

通过1e-5的学习率对所述情绪预测模型进行多次微调训练，得到多个待定情绪预测模型，从所述多个待定情绪预测模型中选择对应的准确率及F1参数满足预定条件的目标情绪预测模型并将其作为所述已训练的情绪预测模型。