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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)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(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119377415B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-20發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411977154.6，技術(shù)領(lǐng)域涉及：G06F16/353；該發(fā)明授權(quán)一種中文不良言論檢測方法及系統(tǒng)是由柯紅巖;艾冬梅;郭遷遷;賀可太;徐晶設(shè)計研發(fā)完成，并于2024-12-31向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種中文不良言論檢測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供一種中文不良言論檢測方法及系統(tǒng)，涉及言論檢測技術(shù)領(lǐng)域，方法包括：獲取包含不良言論的初始推文數(shù)據(jù)集；對初始推文數(shù)據(jù)集進行包括數(shù)據(jù)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(shù)據(jù)集進行分類標注，獲得中文不良言論數(shù)據(jù)集；構(gòu)建中文不良言論檢測模型；將中文不良言論數(shù)據(jù)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(shù)據(jù)集；將中文不良言論數(shù)據(jù)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(jié)果。本發(fā)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(zhì)特征。

本發(fā)明授權(quán)一種中文不良言論檢測方法及系統(tǒng)在權(quán)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(shù)據(jù)集；S2：對所述初始推文數(shù)據(jù)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(shù)據(jù)集進行分類標注，獲得中文不良言論數(shù)據(jù)集；S4：構(gòu)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(shù)據(jù)增強模塊、R-Drop正則化模塊、雙通道分類任務(wù)模塊和對比學習模塊；S5：將所述中文不良言論數(shù)據(jù)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(shù)據(jù)集；S7：將所述中文不良言論數(shù)據(jù)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(jié)果；其中，所述數(shù)據(jù)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(shù)據(jù)集，通過所述BERT單元進行特征提取，得到數(shù)據(jù)特征；S502：利用所述Dropout算法，對所述數(shù)據(jù)特征進行數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)集中同一個句子的不同增強特征，構(gòu)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(guān)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(shù)函數(shù)，表示第二預測分布，W表示分類器的權(quán)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(jù)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(wù)模塊，生成最終分類結(jié)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(shù)據(jù)集中參與損失計算的輸入句子數(shù)量τ表示溫度超參數(shù)，J=1,2,···,N，N表示中文不良言論數(shù)據(jù)集中輸入句子的總數(shù)量，hj表示負樣本；S507：結(jié)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(gòu)建總損失函數(shù)： ；其中，Ltotal表示總損失函數(shù)，Lkl表示KL散度損失，Lce表示交叉熵損失，表示超參數(shù)；S508：利用梯度下降優(yōu)化算法調(diào)整所述中文不良言論檢測模型的參數(shù)，直至總損失函數(shù)值小于預設(shè)損失函數(shù)值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京科技大學，其通訊地址為：100083 北京市海淀區(qū)學院路30號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。