買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京科技大學申請的專利一種中文不良言論檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119377415B 。

龍圖騰網通過國家知識產權局官網在2025-05-20發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411977154.6，技術領域涉及：G06F16/353；該發明授權一種中文不良言論檢測方法及系統是由柯紅巖;艾冬梅;郭遷遷;賀可太;徐晶設計研發完成，并于2024-12-31向國家知識產權局提交的專利申請。

本一種中文不良言論檢測方法及系統在說明書摘要公布了：本發明提供一種中文不良言論檢測方法及系統，涉及言論檢測技術領域，方法包括：獲取包含不良言論的初始推文數據集；對初始推文數據集進行包括數據清洗和格式化的預處理；利用多模型一致性投票策略，對預處理后的初始推文數據集進行分類標注，獲得中文不良言論數據集；構建中文不良言論檢測模型；將中文不良言論數據集輸入至中文不良言論檢測模型中進行訓練；獲取實時中文不良言論數據集；將中文不良言論數據集輸入至訓練后的中文不良言論檢測模型，輸出中文不良言論檢測結果。本發明提升了中文不良言論的檢測效果，確保模型能夠從多角度全面捕捉輸入樣本的本質特征。

本發明授權一種中文不良言論檢測方法及系統在權利要求書中公布了：1.一種中文不良言論檢測方法，其特征在于，包括：S1：獲取包含不良言論的初始推文數據集；S2：對所述初始推文數據集進行預處理；S3：利用多模型一致性投票策略，對預處理后的初始推文數據集進行分類標注，獲得中文不良言論數據集；S4：構建中文不良言論檢測模型，其中，所述中文不良言論檢測模型包括依次連接的數據增強模塊、R-Drop正則化模塊、雙通道分類任務模塊和對比學習模塊；S5：將所述中文不良言論數據集輸入至所述中文不良言論檢測模型中進行訓練；S6：獲取實時中文不良言論數據集；S7：將所述中文不良言論數據集輸入至訓練后的中文不良言論檢測模型，輸出中文不良言論檢測結果；其中，所述數據增強模塊包括BERT單元，所述BERT單元包含Dropout算法；所述S5具體包括：S501：基于所述中文不良言論數據集，通過所述BERT單元進行特征提取，得到數據特征；S502：利用所述Dropout算法，對所述數據特征進行數據增強，生成正樣本對；所述S502具體包括：S5021：利用所述Dropout算法，對所述數據特征進行雙重編碼，生成第一特征表示和第二特征表示，其中，表示第一特征表示，表示第二特征表示；S5022：將所述第一特征表示和所述第二特征表示作為所述中文不良言論數據集中同一個句子的不同增強特征，構成對比學習的正樣本對，其中，所述第一特征表示和所述第二特征表示具有相關性；S503：將所述正樣本對輸入至所述R-Drop正則化模塊的分類器中，輸出所述正樣本對的預測分布： ；其中，表示第一預測分布，表示歸一化指數函數，表示第二預測分布，W表示分類器的權重矩陣，b表示分類器的偏置項，表示第一特征表示，表示第二特征表示；S504：根據所述預測分布，計算KL散度損失和交叉熵損失；S505：將所述正樣本對輸入至所述雙通道分類任務模塊，生成最終分類結果；S506：通過所述對比學習模塊，生成對比學習損失： ；所述Lcl表示對比學習損失，sim表示特征間相似性，i=1,2,···,n，n表示中文不良言論數據集中參與損失計算的輸入句子數量τ表示溫度超參數，J=1,2,···,N，N表示中文不良言論數據集中輸入句子的總數量，hj表示負樣本；S507：結合所述交叉熵損失、所述KL散度損失和所述對比學習損失，構建總損失函數： ；其中，Ltotal表示總損失函數，Lkl表示KL散度損失，Lce表示交叉熵損失，表示超參數；S508：利用梯度下降優化算法調整所述中文不良言論檢測模型的參數，直至總損失函數值小于預設損失函數值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京科技大學，其通訊地址為：100083 北京市海淀區學院路30號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。