[發(fā)明專利]無監(jiān)督的多目標篇章級情感分類模型訓(xùn)練方法和裝置有效
| 申請?zhí)枺?/td> | 201911382926.0 | 申請日: | 2019-12-27 |
| 公開(公告)號: | CN111143564B | 公開(公告)日: | 2023-05-23 |
| 發(fā)明(設(shè)計)人: | 劉昊;何伯磊;肖欣延 | 申請(專利權(quán))人: | 北京百度網(wǎng)訊科技有限公司 |
| 主分類號: | G06F16/35 | 分類號: | G06F16/35;G06F40/30;G06F40/289;G06F40/216;G06F18/214;G06F18/241 |
| 代理公司: | 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201 | 代理人: | 戎鄭華 |
| 地址: | 100085 北京市*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 監(jiān)督 多目標 篇章 情感 分類 模型 訓(xùn)練 方法 裝置 | ||
1.一種無監(jiān)督的多目標篇章級情感分類模型訓(xùn)練方法,其特征在于,包括:
利用預(yù)設(shè)的編碼器將訓(xùn)練樣本集中每個篇章樣本進行編碼處理,確定每個篇章樣本對應(yīng)的隱狀態(tài)向量,其中,所述訓(xùn)練樣本集中包括多個篇章樣本及每個篇章樣本對應(yīng)的標注情感概率分布;
根據(jù)每個篇章樣本中包括的待評價目標及各待評價目標對應(yīng)的預(yù)設(shè)的權(quán)重矩陣,計算每個篇章樣本中每個待評價目標對應(yīng)的注意力值;
利用預(yù)設(shè)的解碼器,對每個篇章樣本對應(yīng)的隱狀態(tài)向量及每個篇章樣本中每個待評價目標對應(yīng)的注意力值進行解碼處理,確定每個篇章樣本中每個待評價目標對應(yīng)的情感概率分布;
根據(jù)每個篇章樣本中每個待評價目標對應(yīng)的情感概率分布,確定每個篇章樣本對應(yīng)的預(yù)測情感概率分布;
根據(jù)每個篇章樣本對應(yīng)的預(yù)測情感概率分布與對應(yīng)的標注情感概率分布的差異,對所述預(yù)設(shè)的編碼器、各待評價目標對應(yīng)的預(yù)設(shè)的權(quán)重矩陣及預(yù)設(shè)的解碼器進行更新;
所述計算每個篇章樣本中每個待評價目標對應(yīng)的注意力值之前,還包括:
確定篇章樣本中各分詞與該篇章樣本中包含的待評價目標對應(yīng)的各種子詞間的距離,其中,所述待評價目標對應(yīng)的種子詞,與所述待評價目標對應(yīng)的候選詞典中的候選詞的匹配度大于閾值;
根據(jù)每個分詞與所述待評價目標對應(yīng)的各種子詞間的距離,對所述待評價目標對應(yīng)的預(yù)設(shè)的權(quán)重矩陣中每個分詞對應(yīng)的權(quán)重值進行修正。
2.如權(quán)利要求1所述的方法,其特征在于,所述計算每個篇章樣本中每個待評價目標對應(yīng)的注意力值之前,還包括:
根據(jù)每個篇章樣本中每個分詞與每個待評價目標對應(yīng)的候選詞典中各候選詞的匹配度,確定每個篇章樣本中包括的待評價目標。
3.如權(quán)利要求1所述的方法,其特征在于,所述計算每個篇章樣本中每個待評價目標對應(yīng)的注意力值之前,還包括:
對每個篇章樣本中各子句進行語義識別,確定每個篇章樣本中包括的待評價目標。
4.如權(quán)利要求1-3任一所述的方法,其特征在于,所述根據(jù)每個篇章樣本中每個待評價目標對應(yīng)的情感概率分布,確定每個篇章樣本對應(yīng)的預(yù)測情感概率分布,包括:
根據(jù)每個篇章樣本中每個待評價目標在每種情感中的分布概率均值,確定該篇章樣本在每種情感中的分布概率。
5.如權(quán)利要求1-3任一所述的方法,其特征在于,所述根據(jù)每個篇章樣本中每個待評價目標對應(yīng)的情感概率分布,確定每個篇章樣本對應(yīng)的預(yù)測情感概率分布,包括:
根據(jù)每個篇章樣本中每個待評價目標在每種情感中的分布概率、及每個待評價目標的權(quán)重,確定該篇章樣本在每種情感中的分布概率。
6.一種無監(jiān)督的多目標篇章級情感分類模型訓(xùn)練裝置,其特征在于,包括:
第一確定模塊,用于利用預(yù)設(shè)的編碼器將訓(xùn)練樣本集中每個篇章樣本進行編碼處理,確定每個篇章樣本對應(yīng)的隱狀態(tài)向量,其中,所述訓(xùn)練樣本集中包括多個篇章樣本及每個篇章樣本對應(yīng)的標注情感概率分布;
計算模塊,用于根據(jù)每個篇章樣本中包括的待評價目標及各待評價目標對應(yīng)的預(yù)設(shè)的權(quán)重矩陣,計算每個篇章樣本中每個待評價目標對應(yīng)的注意力值;
第二確定模塊,用于利用預(yù)設(shè)的解碼器,對每個篇章樣本對應(yīng)的隱狀態(tài)向量及每個篇章樣本中每個待評價目標對應(yīng)的注意力值進行解碼處理,確定每個篇章樣本中每個待評價目標對應(yīng)的情感概率分布;
第三確定模塊,用于根據(jù)每個篇章樣本中每個待評價目標對應(yīng)的情感概率分布,確定每個篇章樣本對應(yīng)的預(yù)測情感概率分布;
更新模塊,用于根據(jù)每個篇章樣本對應(yīng)的預(yù)測情感概率分布與對應(yīng)的標注情感概率分布的差異,對所述預(yù)設(shè)的編碼器、各待評價目標對應(yīng)的預(yù)設(shè)的權(quán)重矩陣及預(yù)設(shè)的解碼器進行更新;
第六確定模塊,用于確定篇章樣本中各分詞與所述待評價目標對應(yīng)的各種子詞間的距離,其中,所述待評價目標對應(yīng)的種子詞,與所述待評價目標對應(yīng)的候選詞典中的候選詞的匹配度大于閾值;
修正模塊,用于根據(jù)每個分詞與所述待評價目標對應(yīng)的各種子詞間的距離,對所述待評價目標對應(yīng)的預(yù)設(shè)的權(quán)重矩陣中每個分詞對應(yīng)的權(quán)重值進行修正。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京百度網(wǎng)訊科技有限公司,未經(jīng)北京百度網(wǎng)訊科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.17sss.com.cn/pat/books/201911382926.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 在即時通信中提供即時監(jiān)督功能的方法及系統(tǒng)
- 一種監(jiān)督事件的生成裝置
- 一種資產(chǎn)托管監(jiān)督任務(wù)的處理方法及裝置
- 一種監(jiān)督方法及裝置
- 基于自監(jiān)督學(xué)習(xí)的標簽比例學(xué)習(xí)模型的訓(xùn)練方法和設(shè)備
- 一種衛(wèi)生監(jiān)督對象尋址方法、電子設(shè)備及存儲介質(zhì)
- 一種機器人表情調(diào)用方法和家用機器人
- 計算機視覺訓(xùn)練系統(tǒng)和用于訓(xùn)練計算機視覺系統(tǒng)的方法
- 一種基于廠區(qū)智能管理系統(tǒng)的工廠設(shè)備監(jiān)督系統(tǒng)
- 信息化綜合監(jiān)督系統(tǒng)及方法





