申请/专利权人：青岛国实科技集团有限公司

申请日：2024-02-05

公开（公告）日：2024-03-22

公开（公告）号：CN117743698A

主分类号：G06F16/9536

分类号：G06F16/9536;G06F16/9537;G06F40/30;G06N20/00;G06Q30/018;G06Q50/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本申请涉及数据处理技术领域，特别是涉及基于AI大模型的网络恶意写手识别方法及系统。其中，该方法包括：确定网络写手的识别要素，根据识别要素进行数据采集并构建写手识别数据集；基于AI大模型及QT‑LoRA模型构建写手识别模型，在超算平台基于所述识别数据集对所述QT‑LoRA模型进行分布式并行训练，基于训练后的QT‑LoRA模型与AI大模型的预训练模型合并，生成全量模型权重文件，使AI大模型适用于写手识别任务，接入待识别社交平台的用户信息、评论信息，调用所述AI大模型进行批量网络写手识别。通过本申请，显著提升了网络写手识别效率与准确率，降低了成本。

主权项：1.一种基于AI大模型的网络恶意写手识别方法，其特征在于，包括：数据集获取步骤，确定网络写手的识别要素，根据识别要素进行数据采集并构建写手识别数据集，所述识别要素包括：用户IP特征、用户属性特征、用户关系特征、用户评论内容特征、用户周期特征，所述识别数据集包括识别数据子集、评论数据子集；识别模型构建步骤，基于AI大模型及QT-LoRA模型构建写手识别模型，所述QT-LoRA模型包括依次配置的第一Linear线性模块、自注意力机制模块Self-Attention、第二Linear线性模块及前馈全连接层Feed-Forward，所述第一Linear线性模块、第二Linear线性模块均前置有双量化模块且后置有Adapter模块，所述双量化模块用于对常量进行二次量化；识别模型训练步骤，在超算平台基于所述识别数据集对所述QT-LoRA模型进行分布式并行训练，基于训练后的QT-LoRA模型与AI大模型的预训练模型合并，生成全量模型权重文件，使AI大模型适用于写手识别任务；网络写手识别步骤，接入待识别社交平台的用户信息、评论信息，调用所述AI大模型进行批量网络写手识别。

全文数据：

权利要求：

百度查询： 青岛国实科技集团有限公司 基于AI大模型的网络恶意写手识别方法及系统

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