[发明专利]情感类别的预测方法和装置、存储介质及电子设备

权利要求书

1.一种情感类别的预测方法，其特征在于，包括：

在预训练模型的编码层分别获取一组第一特征向量和一组第二特征向量，其中，所述一组第一特征向量包括对一组第一元素单元中的每个第一元素单元进行编码所得到的特征向量，所述一组第一元素单元包括目标文本中的每个第一元素单元，所述一组第二特征向量包括对一组第二元素单元中的每个第二元素单元进行编码所得到的特征向量，所述一组第二元素单元包括对所述目标文本进行分词所得到的第二元素单元，所述第一元素单元包括以下至少之一：字，单词，所述第二元素单元包括以下至少之一：字，词语，短句，词组，短语；

在所述预训练模型的嵌入层阶段，根据所述一组第一元素单元与所述一组第二元素单元之间的包含关系，对所述一组第一特征向量与所述一组第二特征向量进行特征向量融合，得到一组融合特征向量；

将所述一组融合特征向量输入到目标预测模型中，得到目标预测结果，其中，所述目标预测模型用于根据输入的特征向量预测与所述输入的特征向量关联的情感类别，所述目标预测结果用于表示所述目标文本的预测情感类别，其中，所述目标预测模型为所述预训练模型；

获取第二训练样本集，其中，所述第二训练样本集包括从第二媒体信息中获取到的第二媒体文本，所述第二媒体信息是目标媒体信息所属的目标媒体平台中已发布的媒体信息，所述目标文本是从所述目标媒体信息中获取到的媒体文本；

使用所述第二训练样本集和所述第二训练样本集的标注信息对所述目标预测模型进行训练，得到更新的所述目标预测模型，其中，所述第二训练样本集的标注信息用于表示所述第二训练样本集中的训练样本的情感类别；

其中，所述根据所述一组第一元素单元与所述一组第二元素单元之间的包含关系，对所述一组第一特征向量与所述一组第二特征向量进行特征向量融合，得到一组融合特征向量，包括：在所述一组第一元素单元中确定所述一组第二元素单元中的每个第二元素单元所包括的第一元素单元；将所述每个第二元素单元对应的第二特征向量分别与所述每个第二元素单元所包括的第一元素单元对应的第一特征向量进行特征向量融合，得到对应的融合特征向量；

其中，所述目标预测模型包含多个卷积层和全连接层；所述使用所述第二训练样本集和所述第二训练样本集的标注信息对所述目标预测模型进行训练，得到更新的所述目标预测模型，包括：使用所述第二训练样本集和所述第二训练样本集的标注信息对目标卷积层和所述全连接层进行训练，得到更新的所述目标预测模型，其中，所述目标卷积层为所述多个卷积层中与所述全连接层相邻的至少一个卷积层，所述多个卷积层中除了所述目标卷积层以外的其他卷积层的模型参数被冻结。

2.根据权利要求1所述的方法，其特征在于，

所述在所述一组第一元素单元中确定所述一组第二元素单元中的每个第二元素单元所包括的第一元素单元，包括：在所述一组第一元素单元中确定所述一组第二元素单元中的第i个第二元素单元所包括的N个第一元素单元，其中，N为自然数，i为自然数；

所述将所述每个第二元素单元对应的第二特征向量分别与所述每个第二元素单元所包括的第一元素单元对应的第一特征向量进行特征向量融合，得到对应的融合特征向量，包括：将所述第i个第二元素单元对应的第i个第二特征向量分别与所述N个第一元素单元中的每个第一元素单元对应的第一特征向量进行特征向量融合，得到N个融合特征向量。

3.根据权利要求2所述的方法，其特征在于，所述将所述第i个第二元素单元对应的第i个第二特征向量分别与所述N个第一元素单元中的每个第一元素单元对应的第一特征向量进行特征向量融合，得到N个融合特征向量，包括：

将所述第i个第二元素单元对应的第i个第二特征向量分别与所述N个第一元素单元中的每个第一元素单元对应的第一特征向量进行相加，得到所述N个融合特征向量；或者，

将所述第i个第二元素单元对应的第i个第二特征向量分别与所述N个第一元素单元中的每个第一元素单元对应的第一特征向量进行拼接，得到所述N个融合特征向量。