买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京科技大学申请的专利一种中文不良言论检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119377415B 。

龙图腾网通过国家知识产权局官网在2025-05-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411977154.6，技术领域涉及：G06F16/353；该发明授权一种中文不良言论检测方法及系统是由柯红岩;艾冬梅;郭迁迁;贺可太;徐晶设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种中文不良言论检测方法及系统在说明书摘要公布了：本发明提供一种中文不良言论检测方法及系统，涉及言论检测技术领域，方法包括：获取包含不良言论的初始推文数据集；对初始推文数据集进行包括数据清洗和格式化的预处理；利用多模型一致性投票策略，对预处理后的初始推文数据集进行分类标注，获得中文不良言论数据集；构建中文不良言论检测模型；将中文不良言论数据集输入至中文不良言论检测模型中进行训练；获取实时中文不良言论数据集；将中文不良言论数据集输入至训练后的中文不良言论检测模型，输出中文不良言论检测结果。本发明提升了中文不良言论的检测效果，确保模型能够从多角度全面捕捉输入样本的本质特征。

本发明授权一种中文不良言论检测方法及系统在权利要求书中公布了：1.一种中文不良言论检测方法，其特征在于，包括：S1：获取包含不良言论的初始推文数据集；S2：对所述初始推文数据集进行预处理；S3：利用多模型一致性投票策略，对预处理后的初始推文数据集进行分类标注，获得中文不良言论数据集；S4：构建中文不良言论检测模型，其中，所述中文不良言论检测模型包括依次连接的数据增强模块、R-Drop正则化模块、双通道分类任务模块和对比学习模块；S5：将所述中文不良言论数据集输入至所述中文不良言论检测模型中进行训练；S6：获取实时中文不良言论数据集；S7：将所述中文不良言论数据集输入至训练后的中文不良言论检测模型，输出中文不良言论检测结果；其中，所述数据增强模块包括BERT单元，所述BERT单元包含Dropout算法；所述S5具体包括：S501：基于所述中文不良言论数据集，通过所述BERT单元进行特征提取，得到数据特征；S502：利用所述Dropout算法，对所述数据特征进行数据增强，生成正样本对；所述S502具体包括：S5021：利用所述Dropout算法，对所述数据特征进行双重编码，生成第一特征表示和第二特征表示，其中，表示第一特征表示，表示第二特征表示；S5022：将所述第一特征表示和所述第二特征表示作为所述中文不良言论数据集中同一个句子的不同增强特征，构成对比学习的正样本对，其中，所述第一特征表示和所述第二特征表示具有相关性；S503：将所述正样本对输入至所述R-Drop正则化模块的分类器中，输出所述正样本对的预测分布： ；其中，表示第一预测分布，表示归一化指数函数，表示第二预测分布，W表示分类器的权重矩阵，b表示分类器的偏置项，表示第一特征表示，表示第二特征表示；S504：根据所述预测分布，计算KL散度损失和交叉熵损失；S505：将所述正样本对输入至所述双通道分类任务模块，生成最终分类结果；S506：通过所述对比学习模块，生成对比学习损失： ；所述Lcl表示对比学习损失，sim表示特征间相似性，i=1,2,···,n，n表示中文不良言论数据集中参与损失计算的输入句子数量τ表示温度超参数，J=1,2,···,N，N表示中文不良言论数据集中输入句子的总数量，hj表示负样本；S507：结合所述交叉熵损失、所述KL散度损失和所述对比学习损失，构建总损失函数： ；其中，Ltotal表示总损失函数，Lkl表示KL散度损失，Lce表示交叉熵损失，表示超参数；S508：利用梯度下降优化算法调整所述中文不良言论检测模型的参数，直至总损失函数值小于预设损失函数值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。