[发明专利]目标词语的检测方法、装置、电子设备及存储介质

权利要求书

1.一种目标词语的检测方法，其特征在于，所述方法包括：

获取言论文本数据和所述言论文本数据对应的评论数据；

通过预先训练的目标词语检测模型对所述言论文本数据进行特征提取，得到言论文本特征；

通过所述目标词语检测模型的分类函数和所述评论数据对所述言论文本特征进行标签分类处理，得到标签言论文本；

通过所述目标词语检测模型的transformer层对所述言论文本特征进行检测处理，得到目标词语检测数据。

2.根据权利要求1所述的目标词语的检测方法，其特征在于，所述目标词语检测模型包括编码层、卷积层、池化层，所述通过预先训练的目标词语检测模型对所述言论文本数据进行特征提取，得到言论文本特征的步骤，包括：

通过所述编码层对所述言论文本数据进行编码处理，得到言论文本隐藏向量；

通过所述卷积层对所述言论文本隐藏向量进行卷积处理，得到言论文本卷积向量；

通过所述池化层对所述言论文本卷积向量进行池化处理，得到所述言论文本特征。

3.根据权利要求1所述的目标词语的检测方法，其特征在于，所述通过所述目标词语检测模型的分类函数和所述评论数据对所述言论文本特征进行标签分类处理，得到标签言论文本的步骤，包括：

对所述评论数据进行特征提取，得到评论立场特征；

通过所述分类函数、预设的立场类别标签、所述评论立场特征以及所述言论文本特征进行分类概率计算，得到每一所述立场类别标签的分类概率值；

根据所述分类概率值与预设的分类概率阈值对所述言论文本特征进行标签分类处理，得到所述标签言论文本。

4.根据权利要求1所述的目标词语的检测方法，其特征在于，所述目标词语检测模型包括transformer层，所述通过所述目标词语检测模型的transformer层对所述言论文本特征进行检测处理，得到目标词语检测数据的步骤，包括：

通过所述transformer层的注意力机制算法对所述言论文本特征进行特征提取，得到文本特征序列；

对所述文本特征序列进行最大池化处理，得到文本全局特征，并对所述文本特征序列进行平均池化处理，得到文本局部特征；

根据所述文本全局特征和所述文本局部特征进行检测处理，得到所述目标词语检测数据。

5.根据权利要求1所述的目标词语的检测方法，其特征在于，在所述通过所述目标词语检测模型的transformer层对所述言论文本特征进行检测处理，得到目标词语检测数据的步骤之后，所述方法还包括：

对所述目标词语检测数据进行特征提取，得到目标检测特征；并对所述标签言论文本进行特征提取，得到言论标签特征；

根据所述目标检测特征与所述言论标签特征，得到所述目标言论类别。

6.根据权利要求5所述的目标词语的检测方法，其特征在于，所述根据所述目标检测特征与所述言论标签特征，得到所述目标言论类别的步骤，包括：

若所述目标检测特征的特征标签为目标词语标签，则确定所述目标言论类别为目标词语；

若所述目标检测特征的特征标签为非目标词语标签，且所述言论标签特征的特征标签为反对、疑问中的至少一种，则确定所述目标言论类别为目标词语。

7.根据权利要求1至6任一项所述的目标词语的检测方法，其特征在于，在所述通过预先训练的目标词语检测模型对所述言论文本数据进行特征提取，得到言论文本特征的步骤之前，所述方法还包括预训练所述目标词语检测模型，具体包括：

获取标注言论文本对；

将所述标注言论文本对输入至所述目标词语检测模型中；

通过所述目标词语检测模型对所述标注言论文本对进行编码处理、卷积处理以及池化处理，得到标注言论文本特征；

通过所述目标词语检测模型的损失函数计算所述标注言论文本特征与参考目标词语特征的相似度；

根据所述相似度对所述目标词语检测模型的损失函数进行优化，以更新所述目标词语检测模型。