申请/专利权人：广东外语外贸大学

申请日：2023-10-23

公开（公告）日：2024-01-26

公开（公告）号：CN117454873A

主分类号：G06F40/205

分类号：G06F40/205;G06N3/042;G06N3/0442;G06N3/045;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明公开了一种基于知识增强神经网络模型的讽刺检测方法及系统，包括：S1.从外部知识源筛选与待检测文本高度相关的上下文信息并与原始文本进行整合；S2.使用预训练语言模型RoBERTa对整合后的文本数据进行词嵌入，并初始化双向长短时记忆BiLSTM网络的权值；S3.构建由8层双向长短时记忆BiLSTM网络组成的编码模型，在双向长短时记忆BiLSTM网络中嵌入多头自注意力机制，捕捉文本中的长距离依赖关系和局部语义特征；S4.分类训练并通过优化算法来改进模型，获得最终的知识增强讽刺检测模型；S5.采集待检测文本并输入知识增强讽刺检测模型，输出讽刺检测结果；本发明增强了模型对讽刺的理解，使模型能够有效捕获更复杂的语言模式，显著提高了讽刺检测的准确性和鲁棒性。

主权项：1.一种基于知识增强神经网络模型的讽刺检测方法，其特征在于，包括以下步骤：S1.从外部知识源筛选与待检测文本高度相关的上下文信息，并将筛选出的上下文信息与原始文本进行整合；S2.使用预训练语言模型RoBERTa对整合后的文本数据进行词嵌入，并初始化双向长短时记忆BiLSTM网络的权值；S3.构建由8层双向长短时记忆BiLSTM网络组成的编码模型，在双向长短时记忆BiLSTM网络中嵌入多头自注意力机制，捕捉文本中的长距离依赖关系和局部语义特征；S4.将预训练语言模型RoBERTa的词嵌入输入到编码模型中，通过全连接层和多头自注意力机制，以及由softmax激活函数构成的分类器进行多分类训练，并通过优化算法来改进模型，获得最终的知识增强讽刺检测模型；S5.采集待检测文本并输入知识增强讽刺检测模型，输出讽刺检测结果。

全文数据：

权利要求：

百度查询： 广东外语外贸大学 一种基于知识增强神经网络模型的讽刺检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD