基于MASK训练的辱骂识别方法
基本信息
| 申请号 | CN202111652552.7 | 申请日 | - |
| 公开（公告）号 | CN114298017A | 公开（公告）日 | 2022-04-08 |
| 申请公布号 | CN114298017A | 申请公布日 | 2022-04-08 |
| 分类号 | G06F40/253（2020.01）I;G06F40/237（2020.01）I;G06F40/289（2020.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 赵继帆;吉庆琳 | 申请（专利权）人 | 北京尘锋信息技术有限公司 |
| 代理机构 | 北京东灵通专利代理事务所（普通合伙） | 代理人 | 李金豹 |
| 地址 | 100020北京市朝阳区安立路78、80号05层501内506室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明属于数据挖掘技术领域，尤其是基于MASK训练的辱骂识别方法，包括DusBERT训练模型，具体包括以下步骤：S1：数据准备；S2：数据清洗；S3：构造字典；S4：数据增强；S5：分词构建输入；S6：MASK训练；S7：结束，所述S1的步骤中，从网络上收集脏话数据，另外收集不带脏词但语义上是辱骂的的文本，该文本实验中不作为训练数据，而仅仅作为特殊测试数据，非辱骂文本来自于之前各种任务的随机抽样。本发明从特殊测试集上来看，不需要额外准备数据，大大节省成本且达到较高水平，在未使用特殊测试集训练的情况下，能够区分包含脏字脏词但非辱骂语义以及暗喻辱骂文本，足可见模型方法的泛华能力。 |
