(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 202210166887.6 (22)申请日 2022.02.23 (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 刘波　马骏　王少军　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 文本情绪识别方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能技术， 揭露一种文本情 绪识别方法， 包括： 对待识别文本进行相似文本 匹配， 得到文本匹配结果， 根据文本匹配结果确 定第一情绪识别结果； 当第一情绪识别结果为未 识别出情绪类型， 对待识别文本进行序列转换处 理， 得到目标文本序列； 对目标文本序列进行概 率计算， 得到概率值并对概率值进行情绪分析， 得到第二情绪识别结果； 当第二情绪识别结果为 未识别出情绪类型， 对待识别文本进行文本情绪 识别， 得到最终文本情绪识别结果。 此外， 本发明 还涉及区块链 技术， 文本匹配结果可存储于区块 链的节点。 本发明还提出一种文本情绪识别装 置、 电子设备 以及存储介质。 本发明可 以在保证 准确率的前提下， 加快文本情绪识别的响应速 度。 权利要求书2页 说明书14页 附图2页 CN 114548114 A 2022.05.27 CN 114548114 A 1.一种文本情绪识别方法， 其特 征在于， 所述方法包括： 获取待识别文本， 基于预设的文本匹配模型对所述待识别文本进行相似文本匹配， 得 到文本匹配结果， 并根据所述文本匹配结果确定第一情绪识别结果； 当所述第一情绪识别结果为未识别出情绪类型时， 利用预设的初始文本情绪识别模型 中的长短期记 忆网络对所述待识别文本进行序列转换处 理， 得到目标文本序列； 基于所述初始文本情绪识别模型中的注意力 机制对所述目标文本序列进行概率计算， 得到所述目标文本序列的概 率值， 对所述 概率值进行情绪分析， 得到第二情绪识别结果； 当所述第二情绪识别结果为未识别出情绪类型时， 将所述待识别文本输入至预设的标 准文本情绪识别模型中进行文本情绪识别， 得到最终文本情绪识别结果。 2.如权利要求1所述的文本情绪识别方法， 其特征在于， 所述基于预设的文本匹配模型 对所述待识别文本进行相似文本匹配， 得到文本匹配结果， 包括： 对预获取的高频语句集进行索引生成处 理， 得到多个关联索引； 将所述待识别文本 输入至所述文本匹配模型中， 得到待识别语义向量； 依次随机多个所述关联索引中的标准关联索引， 并分别计算所述待识别语义向量与 所 述标准关联索引对应的语义向量之间的相似度； 当所述相似度大于或者 等于预设的相似阈值时， 所述文本匹配结果 为文本匹配成功； 当所述相似度小于所述相似阈值时， 所述文本匹配结果 为文本匹配失败。 3.如权利要求2所述的文本情绪识别方法， 其特征在于， 所述对预获取的高频语句集进 行索引生成处 理， 得到多个关联索引， 包括： 对所述高频语句集进行情绪类别标注， 得到所述高频语句集中的高频语句对应的类别 标签； 对所述高频语句集进行向量 化， 得到语义向量 集； 将所述语义向量集中的语义向量与 所述语义向量对应的类别标签进行关联处理， 并对 关联后的语义向量和类别标签建立关联索引， 得到多个关联索引。 4.如权利要求1所述的文本情绪识别方法， 其特征在于， 所述将所述待识别文本输入至 预设的标准文本情绪识别模型中进行文本情绪识别， 得到最终文本情绪识别结果， 包括： 对所述待识别文本进行向量 化， 得到文本向量； 将所述文本向量输入至所述标准文本情绪识别模型中主架构内的第一个transformer 中进行向量 转换， 得到文本序列； 利用所述标准文本情绪识别 模型中与所述第一个transformer对应的学生分类器对所 述文本序列进行概 率计算， 得到 输出概率； 根据所述输出概 率和预设的不确定性 值计算公式计算所述输出概 率对应的不确定值； 当所述不确定值小于预设的设定参数时， 根据所述输出概率和预设的情绪参考表确定 最终文本情绪识别结果； 当所述不确定值大于或者等于预设的设定参数时， 利用所述标准文本情绪识别模型中 主架构中的下一个tr ansformer及对应的学生分类器对所述文本向量进行文本情绪识别， 直至所述不确 定值小于所述设定参数或计算到最后一层tr ansformer和分类器时， 将文本 情绪识别的结果作为 最终文本情绪识别结果。 5.如权利要求1所述的文本情绪识别方法， 其特征在于， 所述基于所述初始文本情绪识权　利　要　求　书 1/2 页 2 CN 114548114 A 2别模型中的注意力机制对所述目标文本序列进行概 率计算， 包括： 根据预设的权 重系数公式计算所述目标文本序列的权 重系数； 利用所述权 重系数计算所述目标文本序列的上 下文序列； 根据所述上 下文序列和预设的概 率计算公式计算所述目标文本序列对应的概 率值。 6.如权利要求5所述的文本情绪识别方法， 其特征在于， 所述预设的权重系数公式， 包 括： a＝softmax(WTtanh(H)) 其中,a为权 重系数,H为目标文本序列,softmax为归一 化指数函数， WT为变量参数。 7.如权利要求1至6中任一项所述的文本情绪识别方法， 其特征在于， 所述利用预设的 初始文本情绪识别模型中的长 短期记忆网络对所述待识别文本进 行序列转换处理， 得到目 标文本序列， 包括： 通过所述长短期记忆网络中的输入门和所述待识别文本的词向量计算所述长短期记 忆网络记 忆单元的保留值； 通过所述长短期记忆网络中的遗忘门和所述待识别文本的词向量计算所述长短期记 忆网络记 忆单元的遗忘值； 根据所述保留值和所述遗 忘值计算所述长短期记 忆网络记 忆单元的状态更新 值； 利用所述长短期记忆网络中的输出门计算所述长短期记忆网络记忆单元的状态更新 值对应的隐藏单 元的输出向量； 对每条文本分别计算 正向和反向的隐藏单 元的输出向量并拼接， 得到目标文本序列。 8.一种文本情绪识别装置， 其特 征在于， 所述装置包括： 文本匹配模块， 用于获取待识别文本， 基于预设的文本匹配模型对所述待识别文本进 行相似文本匹配， 得到文本匹配结果， 并根据所述文本匹配结果确定第一情绪识别结果； 序列转换模块， 用于当所述第一情绪识别结果为未识别出情绪类型时， 利用预设的初 始文本情绪识别模型中的长 短期记忆网络对所述待识别文本进行序列转换 处理， 得到目标 文本序列； 情绪分析模块， 用于基于所述初始文本情绪识别模型中的注意力 机制对所述目标文本 序列进行概率计算， 得到所述目标文本序列的概率值， 对所述概率值进 行情绪分析， 得到第 二情绪识别结果； 情绪识别模块， 用于当所述第二情绪识别结果为未识别出情绪类型时， 将所述待识别 文本输入至预设的标准文本情绪识别模型中进行文本情绪识别， 得到最 终文本情绪识别结 果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行如权利要求 1至7中任意一项 所 述的文本情绪识别方法。 10.一种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中任意 一项所述的文本情绪识别方法。权　利　要　求　书 2/2 页 3 CN 114548114 A 3