一种基于上下文学习的情感预测方法、装置及终端与流程
技术特征:
1.一种基于上下文学习的情感预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述获取情感预测训练集中情感分类的训练样本及对应的标签,基于所述训练样本及对应的标签,生成样本示例集,包括:
3.根据权利要求2所述的方法,其特征在于,所述获取查询测试语句,将查询测试语句与所述样本示例集中每一个样本示例分别进行拼接,得到目标示例集,包括:
4.根据权利要求3所述的方法,其特征在于,所述将目标示例集及查询测试语句分别输入大语言模型,并计算目标示例集的元梯度,基于元梯度更新对所述大语言模型进行训练,得到标签预测模型,包括:
5.根据权利要求4所述的方法,其特征在于,所述若大语言模型为若干层注意力模块,基于所述大语言模型计算目标示例的元梯度键值矩阵,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于预设的标签映射关系,获得所述预测标签对应的情感标签作为所述待处理通话数据的情感预测结果前,还包括:
7.根据权利要求6所述的方法,其特征在于,所述获取待处理通话数据,对所述待处理通话数据进行预处理,得到待预测示例,包括:
8.一种基于上下文学习的情感预测装置,其特征在于,所述装置包括:
9.一种终端,其特征在于,所述终端包括至少一个处理器;以及,
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1-7任一项所述的基于上下文学习的情感预测方法。
技术总结
本发明公开了一种基于上下文学习的情感预测方法、装置及终端,方法包括:获取情感预测训练集中训练样本及对应的标签,生成样本示例集;获取查询测试语句,将查询测试语句与每一个样本示例分别进行拼接,得到目标示例集;将目标示例集及查询测试语句分别输入大语言模型,并计算目标示例集的元梯度,基于元梯度更新对大语言模型进行训练,得到标签预测模型;获取待预测示例;将待预测示例输入标签预测模型,得到待处理文本的预测标签;根据预测标签得到情感预测结果。本发明实施例通过元梯度的更新,使模型更好地理解上下文信息;采用并行式的方法来独立学习每个示例,最大程度地减少了示例顺序对I CL的影响,从而提高了模型的鲁棒性和可靠性。
技术研发人员:张镛,王健宗,程宁,李瀚璋
受保护的技术使用者:平安科技(深圳)有限公司
技术研发日:
技术公布日:2024/12/2
文档序号 :
【 40201927 】
技术研发人员:张镛,王健宗,程宁,李瀚璋
技术所有人:平安科技(深圳)有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:张镛,王健宗,程宁,李瀚璋
技术所有人:平安科技(深圳)有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
