本公开涉及情感识别，尤其涉及一种基于大模型的海量负面信息检测方法、装置、设备及介质。
背景技术：
1、目前，随着互联网技术的发展，人们可以在网络在各个互联网平台发表自己的言论，比如对新闻热点的评论等，为了更好地了解社会舆情的情感或者立场，对舆情的情感分析尤为重要。
2、现有的对舆情的情感分析的方式主要有：第一种是基于情感词典进行舆情情感分析，即根据人工构造的情感词、否定词以及情感副词计算舆情文本对应的权重值进而来进行情感倾向的划分；第二种是基于机器学习模型来对舆情文本进行情感预测，进而得到舆情的情感倾向。
3、然而，现有的情感分析方式在进行舆情文本的情感分析时，采用参数量小的机器学习模型处理速度快但准确性较低，采用参数量大的机器学习模型准确性较高但处理速度慢，因此，如何能够快速且准确地进行舆情文本的情感分析是亟需解决的技术问题。
技术实现思路
1、为了解决上述技术问题，本公开提供了一种基于大模型的海量负面信息检测方法、装置、设备及介质。
2、本公开实施例的第一方面提供了一种基于大模型的海量负面信息检测方法，包括：
3、获取多个舆情文本，从多个舆情文本中确定至少一个待检测文本；
4、针对每个待检测文本，将待检测文本输入至目标机器学习模型，由目标机器学习模型对待检测文本进行情感分析，得到第一结果；
5、在第一结果为待检测文本对应的情感分析结果为非负面时，获取目标指令语句，目标指令语句包括待执行的任务类型和结果输出格式；
6、将待检测文本和目标指令语句输入至目标大语言模型，由目标大语言模型基于目标指令语句对待检测文本进行情感分析，输出第二结果，将第二结果确定为待检测文本的检测结果，其中，目标大语言模型的第一参数量高于目标机器学习模型的第二参数量。
7、本公开实施例的第二方面提供了一种基于大模型的海量负面信息检测装置，包括：
8、数据获取模块，用于获取多个舆情文本，从多个舆情文本中确定至少一个待检测文本；
9、第一分析模块，用于针对每个待检测文本，将待检测文本输入至目标机器学习模型，由目标机器学习模型对待检测文本进行情感分析，得到第一结果；
10、指令获取模块，用于在第一结果为待检测文本对应的情感分析结果为非负面时，获取目标指令语句，目标指令语句包括待执行的任务类型和结果输出格式；
11、第二分析模块，用于将待检测文本和目标指令语句输入至目标大语言模型，由目标大语言模型基于目标指令语句对待检测文本进行情感分析，输出第二结果，将第二结果确定为待检测文本的检测结果，其中，目标大语言模型的第一参数量高于目标机器学习模型的第二参数量。
12、本公开实施例的第三方面提供了一种电子设备，包括：
13、处理器；
14、存储器，用于存储可执行指令；
15、其中，处理器用于从存储器中读取可执行指令，并执行可执行指令以实现上述第一方面提供的基于大模型的海量负面信息检测方法。
16、本公开实施例的第四方面提供了一种计算机可读存储介质，该存储介质存储有计算机程序，当计算机程序被处理器执行时，使得处理器实现上述第一方面提供的基于大模型的海量负面信息检测方法。
17、本公开实施例提供的技术方案与现有技术相比具有如下优点：
18、本公开实施例提供的基于大模型的海量负面信息检测方法、装置、设备及介质，能够获取多个舆情文本，从多个舆情文本中确定至少一个待检测文本，针对每个待检测文本，将待检测文本输入至目标机器学习模型，由目标机器学习模型对待检测文本进行情感分析，得到第一结果，在第一结果为待检测文本对应的情感分析结果为非负面时，获取目标指令语句，目标指令语句包括待执行的任务类型和结果输出格式，将待检测文本和目标指令语句输入至目标大语言模型，由目标大语言模型基于目标指令语句对待检测文本进行情感分析，输出第二结果，将第二结果确定为待检测文本的检测结果，其中，目标大语言模型的第一参数量高于目标机器学习模型的第二参数量，由此，能够先通过参数量较小的目标机器学习模型对待检测文本进行情感分析，在目标机器学习模型确定待检测文本的情感分析结果为非负面时，再将待检测文本输入至参数量较大的目标大语言模型中进行情感分析，进一步确定待检测文本的情感分析结果，避免了对负面数据的遗漏，同时，在大量的待检测文本经过目标机器学习模型进行情感分析之后，输入至目标大语言模型中的待检测文本数量已大大减少，相比于只使用参数量大的大语言模型进行待检测文本的处理而言，大大提高了效率，降低了资源消耗，即通过不同参数量的目标机器学习模型和目标大语言模型结合的方式对待检测文本进行情感分析，实现了在对待检测文本快速进行情感分析的基础上提高了情感分析的准确性。
1.一种基于大模型的海量负面信息检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标机器学习模型包括第一机器学习模型和第二机器学习模型，所述将所述待检测文本输入至目标机器学习模型，由所述目标机器学习模型对所述待检测文本进行情感分析，得到第一结果，包括：
3.根据权利要求1所述的方法，其特征在于，所述从所述多个舆情文本中确定至少一个待检测文本，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述文本类型从所述多个舆情文本中筛选出所述至少一个待检测文本，包括：
5.根据权利要求1所述的方法，其特征在于，在所述将所述待检测文本和所述目标指令语句输入至目标大语言模型，由所述目标大语言模型基于所述目标指令语句对所述待检测文本进行情感分析，输出第二结果之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，获取所述训练样本集对应的标注结果，包括：
7.一种基于大模型的海量负面信息检测装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得处理器实现上述权利要求1-6中任一项所述的基于大模型的海量负面信息检测方法。
