本发明涉及金融科技，尤其涉及一种情感分析方法、装置、系统及介质。
背景技术：
1、近年来互联网涌现大量带有情感的文本数据，越来越多的领域都出现了文本情感分析的需求。情感分析具有较高的领域相关性，即特征词在不同领域表现为不同的情感属性。金融文本情感分析是指对金融领域的文本数据进行情感倾向性分析的任务，由于情感倾向性可以对市场情绪和投资决策产生影响，因此对金融文本的情感分析有着十分重要的应用价值。
2、金融文本情感分析的传统解决方案通常为基于情感词典或者监督学习方法，基于情感词典的方法是无监督学习方法，不需要训练模型，计算成本较低。但情感词典的构建需要领域专家的参与，词典质量直接对情感分析结果产生影响，且其通常仅考虑情感词汇的数量和极性，而忽略了上下文语义的细微差别；监督学习方法需要大量标注的金融文本数据来训练情感分类模型，不仅人力成本较高，且金融领域的语言和情感常常受到市场波动、金融新闻的变化和行业特定的术语等因素的影响，因此训练的模型在处理新的金融文本时可能会遇到泛化能力不足的问题。因此，如何在平衡标注数据成本的同时实现精准的金融文本情感分析是目前亟待解决的问题。
技术实现思路
1、鉴于上述现有技术的不足，本发明的目的在于提供可应用于金融科技或其它相关领域的一种情感分析方法、装置、系统及介质，其主要目的在于控制金融情感分析任务中标注成本的同时提高情感分析的准确性。
2、本发明的技术方案如下：
3、本发明第一方面提供一种情感分析方法，包括：
4、获取待分析的目标文本；
5、根据所述目标文本和若干个提示模板，生成对应的提示文本，得到提示集合，所述提示文本用于提示大语言模型基于所述目标文本进行情感分析；
6、将所述提示集合输入到大语言模型中，预测输出若干个情感标签，得到预测情感标签集合；
7、根据投票算法从所述预测情感标签集合中确定所述目标文本的最终情感标签。
8、在一个实施例中，所述根据所述目标文本和若干个提示模板，生成对应的提示文本，得到提示集合之前，方法还包括：
9、确认所述目标文本当前的情感分析场景。
10、在一个实施例中，所述根据所述目标文本和若干个提示模板，生成对应的提示文本，得到提示集合，包括：
11、根据当前的情感分析场景确认对应的提示模板库，所述提示模板库中存储了多个与情感分析场景相关联的提示模板；
12、在所述提示模板库中匹配若干个提示模板，根据匹配到的提示模板与所述目标文本生成对应的提示文本，得到提示集合。
13、在一个实施例中，所述在所述提示模板库中匹配若干个提示模板，具体包括：
14、在所述提示模板库中随机选择若干个提示模板。
15、在一个实施例中，所述在所述提示模板库中匹配若干个提示模板，包括：
16、获取所述提示模板库中各个提示模板的适应性分值；
17、根据各个提示模板的适应性分值的排序选择前若干个提示模板，得到提示集合。
18、在一个实施例中，所述根据投票算法从所述预测情感标签集合中确定所述目标文本的最终情感标签，包括：
19、统计所述预测情感标签集合中各类标签的数量；
20、将数量最多的标签确认为所述目标文本的最终情感标签。
21、在一个实施例中，所述大语言模型为openchinesellama模型。
22、本发明第二方面提供一种情感分析装置，包括：
23、获取模块，用于获取待分析的目标文本；
24、提示集合生成模块，用于根据所述目标文本和若干个提示模板，生成对应的提示文本，得到提示集合，所述提示文本用于提示大语言模型基于所述目标文本进行情感分析；
25、输入分析模块，用于将所述提示集合输入到大语言模型中，预测输出若干个情感标签，得到预测情感标签集合；
26、标签确认模块，用于根据投票算法从所述预测情感标签集合中确定所述目标文本的最终情感标签。
27、本发明第三方面提供一种情感分析系统，所述系统包括至少一个处理器；以及，
28、与所述至少一个处理器通信连接的存储器；其中，
29、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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上述情感分析方法。
30、本发明第四方面提供一种非易失性计算机可读存储介质，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上述的情感分析方法。
31、有益效果：本发明公开了一种情感分析方法、装置、系统及介质，相比于现有技术，本发明实施例获取待分析的目标文本；根据所述目标文本和若干个提示模板，生成对应的提示文本，得到提示集合，所述提示文本用于提示大语言模型基于所述目标文本进行情感分析；将所述提示集合输入到大语言模型中，预测输出若干个情感标签，得到预测情感标签集合；根据投票算法从所述预测情感标签集合中确定所述目标文本的最终情感标签。通过引入多样化的提示模板，减少了标注成本和工作量的同时，也可以提高大语言模型在情感分析任务中的适应性和准确性，并且通过投票算法从多个情感标签预测结果中确定最终情感标签，能够减轻大语言模型存在的幻觉问题，提高情感分析结果的可靠性和稳定性。
1.一种情感分析方法，其特征在于，包括：
2.根据权利要求1所述的情感分析方法，其特征在于，所述根据所述目标文本和若干个提示模板，生成对应的提示文本，得到提示集合之前，方法还包括：
3.根据权利要求2所述的情感分析方法，其特征在于，所述根据所述目标文本和若干个提示模板，生成对应的提示文本，得到提示集合，包括：
4.根据权利要求3所述的情感分析方法，其特征在于，所述在所述提示模板库中匹配若干个提示模板，具体包括：
5.根据权利要求3所述的情感分析方法，其特征在于，所述在所述提示模板库中匹配若干个提示模板，包括：
6.根据权利要求5所述的情感分析方法，其特征在于，所述根据投票算法从所述预测情感标签集合中确定所述目标文本的最终情感标签，包括：
7.根据权利要求1-6任意一项所述的情感分析方法，其特征在于，所述大语言模型为openchinesellama模型。
8.一种情感分析装置，其特征在于，包括：
9.一种情感分析系统，其特征在于，所述系统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任一项所述的情感分析方法。
