情感模型训练方法、装置、设备及存储介质与流程

技术特征：
1.一种情感模型训练方法，其特征在于，所述方法包括：获取样本的信息；基于所述样本的信息确定所述样本的用户主题关系；基于所述样本的信息确定用户社交关系；基于所述样本、所述用户主题关系和所述用户社交关系，训练情感模型，以使所述情感模型具备确定文本的情感极性的能力。2.根据权利要求1所述方法，其特征在于，所述基于所述样本的信息确定所述样本的用户主题关系，包括：基于所述样本的信息中的用户信息，确定用户样本关系；基于所述样本的信息中的主题信息，确定样本主题关系；根据所述用户样本关系和所述样本主题关系，确定至少两个样本是否属于同一个用户，以及所属至少两个样本是否属于同一个主题。3.根据权利要求1所述方法，其特征在于，所述基于所述样本的信息确定用户社交关系，包括：基于所述样本的信息中的用户信息，确定用户样本关系；基于所述样本的信息中的主题社交关系，确定用户的主题社交关系；根据所述用户样本关系和所述用户的主题社交关系，确定至少两个用户对同一个主题的样本是否存在赞同社交关系。4.根据权利要求1所述方法，其特征在于，所述基于所述样本的信息确定用户社交关系，包括：根据所述样本的信息中的用户的社交关系，确定所述用户之间的影响关系；基于所述用户之间的影响关系，确定所述用户的样本之间是否存在隐式社交关系，所述隐式社交关系表征每个用户的样本的情感极性受其它用户的样本的情感极性的影响。5.根据权利要求1所述方法，其特征在于，所述基于所述样本、所述用户主题关系和所述用户社交关系，训练情感模型，包括：基于所述样本、所述用户主题关系和所述用户社交关系，构建目标函数；基于所述目标函数，更新所述情感模型中的权重参数。6.根据权利要求5所述方法，其特征在于，所述基于所述样本、所述用户主题关系和所述用户社交关系，构建目标函数，包括：基于所述用户主题关系、所述用户社交关系中的赞同社交关系及所述赞同社交关系对应的权重系数、以及所述用户社交关系中的隐式社交关系及所述隐式社交关系对应的权重系数中的至少一项，确定第一用户情感关系。7.根据权利要求6所述方法，其特征在于，所述基于所述样本、所述用户主题关系和所述用户社交关系，构建目标函数，包括：基于所述样本，获取所述样本的预测情感极性值；根据所述第一用户情感关系，确定所述样本的情感关系值；基于所述样本的预测情感极性值与所述样本的情感极性值的误差，以及所述情感关系值，构建目标函数。8.一种情感模型训练装置，其特征在于，所述装置包括：获取模块、第一确定模块、第二
确定模块和训练模块，所述获取模块，用于获取样本的信息；所述第一确定模块，用于基于所述样本的信息确定所述样本的用户主题关系；所述第二确定模块，用于基于所述样本的信息确定用户社交关系；所述训练模块，用于基于所述样本、所述用户主题关系和所述用户社交关系，训练情感模型，以使所述情感模型具备确定文本的情感极性的能力。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时以实现以如权利要求1至7中任一项所述的情感模型训练方法的步骤。10.一种计算机存储介质，其特征在于，所述计算机可读存储介质上存储有情感模型训练程序，所述情感模型训练程序被处理器执行时实现如权利要求1至7中任一所述情感模型训练方法的步骤。

技术总结
本申请公开了一种情感模型训练方法、装置、设备及存储介质，所述方法包括：获取样本的信息；基于所述样本的信息确定所述样本的用户主题关系；基于所述样本的信息确定用户社交关系；基于所述样本、所述用户主题关系和所述用户社交关系，训练情感模型，以使所述情感模型具备确定文本的情感极性的能力。如此，训练后的情感模型能够准确地确定情感表达不明确的文本的情感极性，提高了文本的情感极性分类的准确率。准确率。准确率。


技术研发人员：刘威
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2020.07.13
技术公布日：2022/2/24