公开(公告)号：CN112613582B

公开(公告)日：2022-06-24

申请号：CN202110007332.2

申请日：2021-01-05

Applicant: 重庆邮电大学

Inventor： 邓维斌 ,  朱坤 ,  胡峰 ,  李云波 ,  王崇宇 ,  彭露 ,  黄龙海 ,  陈航

IPC: G06K9/62 ,  G06F40/279 ,  G06F40/211 ,  G06F40/216 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习混合模型的争议焦点检测方法及装置，属于自然语言处理领域。该方法包括以下步骤：①构建争议焦点树库；②完成数据的标注并得到数据集；③得到完整可训练的数据集；④将步骤S3得到的数据集进行中文数据预处理；⑤利用BERT‑wwm模型得到文本字向量矩阵；⑥使用LSTM网络模型提取文本全局语义特征；使用TextCNN模型的多种卷积核提取文本不同粒度的局部语义特征；将两个模型的概率结果进行平均计算，设定阈值进行预测，输出概率超过阈值的争议焦点。本发明针对单模型不能同时捕捉并利用多层面语义特征的问题，提供了一种混合模型的争议焦点预测方法，大大提升了预测精度。

公开(公告)号：CN112613582A

公开(公告)日：2021-04-06

申请号：CN202110007332.2

申请日：2021-01-05

Applicant: 重庆邮电大学

Inventor： 邓维斌 ,  朱坤 ,  胡峰 ,  李云波 ,  王崇宇 ,  彭露 ,  黄龙海 ,  陈航

IPC: G06K9/62 ,  G06F40/279 ,  G06F40/211 ,  G06F40/216 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习混合模型的争议焦点检测方法及装置，属于自然语言处理领域。该方法包括以下步骤：①构建争议焦点树库；②完成数据的标注并得到数据集；③得到完整可训练的数据集；④将步骤S3得到的数据集进行中文数据预处理；⑤利用BERT‑wwm模型得到文本字向量矩阵；⑥使用LSTM网络模型提取文本全局语义特征；使用TextCNN模型的多种卷积核提取文本不同粒度的局部语义特征；将两个模型的概率结果进行平均计算，设定阈值进行预测，输出概率超过阈值的争议焦点。本发明针对单模型不能同时捕捉并利用多层面语义特征的问题，提供了一种混合模型的争议焦点预测方法，大大提升了预测精度。