[發明專利]人格特質和情緒的預測方法、裝置、計算機設備及介質

有效

• 申請號: 202110606779.1
• 申請日: 2021-05-31
• 公開（公告）號: CN113221560B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 劉杰;王健宗;瞿曉陽
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06N3/0464
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種人格特質和情緒的預測方法，其特征在于，包括：

獲取第一訓練樣本集和第二訓練樣本集；其中，所述第一訓練樣本集包括多個第一訓練文本數據，所述第二訓練樣本集包括多個第二訓練文本數據；

對所述第一訓練樣本集中的每個第一訓練文本數據添加人格特質標簽，并對所述第二訓練樣本集中的每個第二訓練文本數據添加情緒標簽；

將所述添加人格特質標簽后的每個第一訓練文本數據輸入神經網絡模型，得到所述添加人格特質標簽后的每個第一訓練文本數據對應的第一特征信息；所述第一特征信息基于第一子特征信息和第二子特征信息得到，所述第一子特征信息基于所述神經網絡模型中的第一嵌入層和第一卷積層對所述第一訓練文本數據進行處理得到，所述第二子特征信息基于所述神經網絡模型中的第二嵌入層和第二卷積層對所述第一訓練文本數據進行處理得到；

將所述添加情緒標簽后的每個第二訓練文本數據輸入所述神經網絡模型，得到所述添加情緒標簽后的每個第二訓練文本數據對應的第二特征信息；所述第二特征信息基于第三子特征信息和第四子特征信息得到，所述第三子特征信息基于所述神經網絡模型中的所述第一嵌入層和所述第一卷積層對所述第二訓練文本數據進行處理得到，所述第四子特征信息基于所述神經網絡模型中的所述第二嵌入層和所述第二卷積層對所述第二訓練文本數據進行處理得到；

根據所述第一特征信息和所述第二特征信息，確定所述第一訓練文本數據的人格特質標簽對應的第一目標概率分布，以及與所述第二訓練文本數據的情緒特質標簽對應的第二目標概率分布，并根據所述第一目標概率分布和所述第二目標概率分布對所述神經網絡模型進行訓練，得到目標預測模型；

獲取待預測文本數據，并將所述待預測文本數據輸入所述目標預測模型，得到所述待預測文本數據的人格特質對應的第三目標概率分布，和所述待預測文本數據的情緒對應的第四目標概率分布，以及根據所述第三目標概率分布確定所述待預測文本數據對應的目標人格特質，以及根據所述第四目標概率分布確定所述待預測文本數據對應的目標情緒。

2.根據權利要求1所述的方法，其特征在于，所述將添加人格特質標簽后的每個第一訓練文本數據輸入神經網絡模型，得到所述添加人格特質標簽后的每個第一訓練文本數據對應的第一特征信息，包括：

利用所述第一嵌入層對所述添加人格特質標簽后的每個第一訓練文本數據進行量化處理，得到所述第一訓練文本數據對應的第一向量表示；以及，

利用所述第二嵌入層對所述添加人格特質標簽后的每個第一訓練文本數據進行量化處理，得到所述第一訓練文本數據對應的第二向量表示；

通過所述第一卷積層對所述第一向量表示進行卷積處理，得到第一子特征信息，以及通過所述第二卷積層對所述第二向量表示進行卷積處理，得到第二子特征信息；

根據所述第一子特征信息和所述第二子特征信息確定所述添加人格特質標簽后的每個第一訓練文本數據對應的第一特征信息。

3.根據權利要求2所述的方法，其特征在于，所述神經網絡模型包括第一共享層；所述根據所述第一子特征信息和所述第二子特征信息確定所述添加人格特質標簽后的每個第一訓練文本數據對應的第一特征信息，包括：

將所述第二子特征信息輸入所述第一共享層得到第一共享信息，并基于所述第一共享信息對所述第一子特征信息進行調整得到調整后的第一子特征信息；以及，

將所述第一子特征信息輸入所述第一共享層得到第二共享信息，并基于所述第二共享信息對所述第二子特征信息進行調整得到調整后的第二子特征信息；

根據所述調整后的第一子特征信息和所述調整后的第二子特征信息確定添加人格特質標簽后的每個第一訓練文本數據對應的第一特征信息。