公开(公告)号：CN119917667A

公开(公告)日：2025-05-02

申请号：CN202510085413.2

申请日：2025-01-20

Applicant: 扬州大学

Inventor： 朱毅 ,  王晗 ,  李云 ,  强继朋 ,  袁运浩

IPC: G06F16/353 ,  G06F40/253 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0442 ,  G06F40/284 ,  G06F40/268 ,  G06F18/22 ,  G06N3/0895

Abstract: 本发明公开了两阶段知识驱动提示调优的中文隐性仇恨语言检测方法，包括1）使用结合注意力机制的图卷积网络提取输入文本的语法结构特征；2）在连续的最优提示空间中进行训练，得到软提示模板；3）通过融合外部知识的方法构建扩展词映射器，并采用两阶段串联策略进行扩展与细化，生成优化后的扩展词映射器；4）从训练集中选取少量样本进行训练构造提示调优模型，结合软提示模板与扩展词映射器提取语义特征，将其与生成的语法结构特征拼接形成综合特征，实现中文隐性仇恨语言检测。本发明通过外部知识优化串联扩展与细化的扩展词映射器，融合注意力机制与图卷积网络提取的语法特征，挖掘预训练语言模型的潜在知识，高中文隐性仇恨语言检测效果。

公开(公告)号：CN119128149A

公开(公告)日：2024-12-13

申请号：CN202411158349.8

申请日：2024-08-22

Applicant: 扬州大学

Inventor： 朱毅 ,  王晗 ,  李云 ,  袁运浩 ,  强继朋

IPC: G06F16/35 ,  G06N3/0442 ,  G06F40/247 ,  G06F40/30 ,  G06F40/253

Abstract: 本发明公开了一种基于软提示调优的隐性仇恨语言检测方法，包括1）使用软提示模板，在连续的最优提示空间中进行训练；2）针对中文和英文在语义结构和语法规则上的差异，使用不同的方法构建扩展词映射器。3）结合步骤1）和步骤2）中提到的软提示模板和扩展词映射器，并从训练集中选取少量样本进行训练构造出提示调优模型，实现隐性仇恨语言检测。本发明采用三种不同的策略来扩展标签词空间，以探索原文背后的真实意图，并在最后的提示调优中使用这些策略的整合，这种方法可以进一步激发预训练语言模型中分布的丰富知识，更好的运用于隐性仇恨语言的检测。