[發明專利]情緒檢測分析方法及相關裝置在審
| 申請號: | 201910266965.8 | 申請日: | 2019-04-03 |
| 公開(公告)號: | CN110069601A | 公開(公告)日: | 2019-07-30 |
| 發明(設計)人: | 王健宗;賈雪麗 | 申請(專利權)人: | 平安科技(深圳)有限公司 |
| 主分類號: | G06F16/33 | 分類號: | G06F16/33;G06F17/27;G06N3/04 |
| 代理公司: | 廣州三環專利商標代理有限公司 44202 | 代理人: | 郝傳鑫;熊永強 |
| 地址: | 518000 廣東省深圳市福田區福*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 語句 情緒 目標神經 目標語句 輸出結果 樣本 代碼文本 檢測分析 目標樣本 網絡模型 相關裝置 神經網絡模型 標識確定 輸入目標 檢測 服務器 數據庫 申請 應用 網絡 | ||
1.一種情緒檢測分析方法,其特征在于,應用于服務器,所述方法包括:
在檢測到含有代碼文本的目標語句時,將所述目標語句作為第一輸入并輸入目標神經網絡模型;
從數據庫中獲取第一樣本語句,將所述第一樣本語句作為第二輸入并輸入所述目標神經網絡模型,所述數據庫中預存有多個樣本語句,所述多個樣本語句中的每個樣本語句對應一個情緒標識,所述情緒標識用于指示所述樣本語句表達的情緒類別;
獲取所述目標神經網絡的輸出結果,所述輸出結果為所述目標神經網絡模型對所述第一輸入和第二輸入進行處理后得到;
在檢測到所述輸出結果為第一結果時,確定所述第一樣本語句為目標樣本語句,所述第一結果用于表示所述第一輸入和所述第二輸入代表相同的情緒;
提取所述目標樣本語句的情緒標識,根據所述情緒標識確定所述目標語句代表的情緒。
2.如權利要求1所述的方法,其特征在于,所述獲取所述目標神經網絡的輸出結果之后,所述方法還包括:
在所述輸出結果為第二結果時,從所述數據庫中獲取第二樣本語句,將所述第二樣本語句作為第三輸入并輸入所述目標神經網絡模型,得到新的輸出結果,所述第二結果用于表示所述第一輸入和所述第二輸入代表相反的情緒;
在所述新的輸出結果為第一結果時,確定所述第二樣本語句為目標樣本語句。
3.如權利要求1所述的方法,其特征在于,所述從數據庫中獲取第一樣本語句,包括:
確定所述數據庫中的多個樣本語句中每個樣本語句的匹配頻率,根據所述匹配頻率確定所述每個樣本語句的使用優先級并進行優先級排序,其中,匹配頻率越高的樣本語句對應的使用優先級越高;
按照所述多個樣本語句的優先級排序從所述數據庫獲取第一樣本語句。
4.如權利要求1-3任一項所述的方法,其特征在于,所述方法還包括:
獲取初始神經網絡模型,所述初始神經網絡模型包括多個可調參數;
將多個代表相同情緒的語句對分別輸入所述初始神經網絡模型得到訓練結果,根據初始神經網絡模型的訓練結果對所述初始神經網絡模型的多個可調參數進行調整,使得所述初始神經網絡模型的訓練結果滿足相似條件;
根據所述多個可調參數進行調整后的初始神經網絡模型得到目標神經網絡模型。
5.如權利要求1-3任一項所述的方法,其特征在于,所述方法還包括:
獲取初始神經網絡模型,所述初始神經網絡模型包括多個可調參數;
將多個代表相反情緒的語句對分別輸入所述初始神經網絡模型,通過調整所述初始神經網絡模型的多個可調參數,使得所述初始神經網絡模型的訓練結果滿足不相似條件;
根據所述多個可調參數進行調整后的初始神經網絡模型得到目標神經網絡模型。
6.如權利要求1-3任一項所述的方法,其特征在于,所述目標神經網絡模型包括兩個子模型,所述目標語句作為第一輸入輸入到第一子模型,所述第一樣本語句作為第二輸入輸入到第二子模型。
7.如權利要求6所述的方法,其特征在于,所述目標神經網絡的所述第一子模型對應第一輸出值,所述第二子模型對應第二輸出值,所述輸出結果為所述第一輸出值和所述第二輸出值差值的絕對值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于平安科技(深圳)有限公司,未經平安科技(深圳)有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910266965.8/1.html,轉載請聲明來源鉆瓜專利網。





