(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210262203.2 (22)申请日 2022.03.17 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 王彦　马骏　王少军　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 李木燕 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/284(2020.01) G06F 40/289(2020.01) G06F 16/35(2019.01)G06Q 30/00(2012.01) (54)发明名称 基于文本的情绪识别方法、 装置、 设备及存 储介质 (57)摘要 本申请适用于人工智能技术领域， 提供一种 基于文本的情绪识别方法、 装置、 设备及存储介 质， 方法包括： 从待识别文本中提取出用于表征 待识别文本的特征关键词， 将特征关键词与预设 的前置识别规则进行比对， 对待识别文本进行一 级情绪识别处理， 判断特征关键词是否命中前置 识别规则； 若否， 则将待识别文本输入到第一情 绪识别模型中进行二级情绪识别处理， 判断待识 别文本是否为负面情绪文本； 若是， 则将待识别 文本输入到第二情绪识别模型中进行三级情绪 识别处理， 识别出待识别文本对应的情绪分类类 别， 并根据情绪分类类别生 成待识别文本的情绪 识别结果。 该方法采用多级情绪识别对待识别文 本进行分层检测， 可以同时提高情绪识别的准确 度和效率。 权利要求书2页 说明书11页 附图4页 CN 114662499 A 2022.06.24 CN 114662499 A 1.一种基于文本的情绪识别方法， 其特 征在于， 包括： 从待识别文本 中提取出用于表征所述待识别文本的特征关键词， 将所述特征关键词与 预设的前置识别规则进行比对， 以对所述待识别文本进行一级情绪识别处理， 判断所述特 征关键词是否命中所述前置识别规则； 若否， 则采用基于FastText模型训练获得的第一情绪识别 模型对所述待识别 文本进行 二级情绪识别处 理， 判断所述待识别文本是否为非负面情绪文本； 若否， 则采用基于Bert模型训练获得的第二情绪识别 模型对所述待识别文本进行三级 情绪识别处理， 识别出所述待识别文本对应的情绪分类类别， 根据所述情绪分类类别生成 所述待识别文本的情绪识别结果。 2.根据权利要求1所述的基于文本的情绪识别方法， 其特征在于， 所述预设的前置识别 规则包括短文本匹配规则和/或正则匹配规则， 其中： 所述短文本匹配规则表示为短文本与情绪标签之间的对应关系， 所述短文本为用于验 证所述情绪标签是否适用于所述待识别文本的适用条件； 所述正则匹配规则表示为正则表达式与情绪标签之间的对应关系， 所述正则表达 式为 用于验证所述情绪标签是否适用于所述待识别文本的适用条件。 3.根据权利要求2所述的基于文本的情绪识别方法， 其特征在于， 若所述前置识别规则 为短文本匹配规则， 则所述将所述特征关键词与预设的前置识别规则进行比对， 以对所述 待识别文本进行一级情绪识别处理， 判断所述特征关键词是否命中所述前置识别规则， 包 括： 计算所述特征关键词与所述短文本匹配规则中记录的短文本之间的文本关联度， 获取 所述特征关键词与所述短文本之间的文本关联度值； 将所述文本关联度值与预设的关联度阈值进行比较， 若所述文本关联度值小于所述关 联度阈值， 则判断所述特 征关键词未命中所述短文本匹配规则。 4.根据权利要求2所述的基于文本的情绪识别方法， 其特征在于， 若所述前置识别规则 为正则匹配规则， 则所述将所述特征关键词与预设的前置识别规则进行比对， 以对所述待 识别文本进行一级情绪识别处 理， 判断所述特 征关键词是否命中所述前置识别规则， 包括： 将所述特征关键词与 所述正则匹配规则中记录的正则表达 式进行比对， 判断所述特征 关键词是否与所述正则表达式一致， 若不一致， 则判断所述特征关键词未命中所述正则匹 配规则。 5.根据权利要求1所述的基于文本的情绪识别方法， 其特征在于， 所述采用基于 FastText模型训练获得的第一情绪识别模 型对所述待识别文本进行二级情绪识别处理， 判 断所述待识别文本是否为非负面情绪文本， 包括： 采用所述第一情绪识别模型对所述待识别文本中的每个字分别进行第一字向量表征 处理， 获得所述待识别文本对应的第一字向量 集合； 将所述第一字向量集合输入到所述第一情绪识别模型的句子表示层中进行句子向量 表示， 获得用于表征 所述待识别文本的第一句子向量； 将所述第一句子向量输入到第 一情绪识别模型的线性层进行线性变换处理， 获得所述 待识别文本分别与所述第一情绪识别模型中预设的非负面情绪类别和负面情绪类别 之间 的匹配概 率值；权　利　要　求　书 1/2 页 2 CN 114662499 A 2若所述待识别文本与非负面情绪类别之间的匹配概率值大于所述待识别文本与负面 情绪类别之间的匹配概 率值， 则判断所述待识别文本为非负面情绪文本 。 6.根据权利要求1所述的基于文本的情绪识别方法， 其特征在于， 所述采用基于Bert模 型训练获得的第二情绪识别模型对所述待识别文本进 行三级情绪识别处理， 识别出所述待 识别文本对应的情绪分类 类别， 包括： 采用所述第二情绪识别模型对所述待识别文本中的每个字分别进行第二子向量表征 处理， 获得所述待识别文本对应的第二字向量 集合； 将所述第二字向量集合输入到所述第二情绪识别 模型的Transformer层中进行双向编 码表征处 理， 获得用于表征 所述待识别文本的第二句子向量； 将所述第一句子向量输入到第 二情绪识别模型的线性层进行线性变换处理， 获得所述 待识别文本在所述第二情绪识别模型 预设的各情绪分类 类别中的概 率分布数据； 根据所述概率分布数据， 选取所述概率分布数据中概率最大值对应的情绪分类类别作 为所述待识别文本对饮的情绪分类 类别。 7.根据权利要求6所述的基于文本的情绪识别方法， 其特征在于， 所述将所述第 二字向 量集合输入到所述第二情绪识别模型的Tr ansformer层中进行双向编码表征处理， 获得用 于表征所述待识别文本的第二句子向量， 包括： 对所述第二字向量集合中的各字向量分别进行自注意力计算， 获取所述第 二字向量集 合中每个字向量对应的自注意力数据值； 将所述每个字向量对应的自注意力数据值进行归一化处理， 获得用于表征所述待识别 文本的第二句子向量。 8.一种基于文本的情绪识别装置， 其特 征在于， 所述基于文本的情绪识别装置包括： 一级情绪识别模块， 用于从待识别文本 中提取出用于表征所述待识别文本的特征关键 词， 将所述特征关键词与预设的前置识别规则进行比对， 以对所述待识别文本进行一级情 绪识别处 理， 判断所述特 征关键词是否命中所述前置识别规则； 二级情绪识别模块， 用于在所述待识别文本未命中所述前置识别规则的情况下， 采用 基于FastText模型训练获得的第一情绪识别模型对所述待识别文本进行二级情绪识别处 理， 判断所述待识别文本是否为非负面情绪文本； 三级情绪识别模块， 用于在所述待识别文本未被判断为非负面情绪文本的情况下， 采 用基于Bert 算法搭建的第二情绪识别模型对 所述待识别文本进 行三级情绪识别处理， 识别 出所述待识别文本对应的情绪分类类别， 根据所述情绪分类类别生成所述待识别文本的情 绪识别结果。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7 任一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114662499 A 3