[发明专利]目标词语的检测方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种目标词语的检测方法、装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取言论文本数据和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言论文本数据进行特征提取，得到言论文本特征；通过目标词语检测模型的分类函数和评论数据对言论文本特征进行标签分类处理，得到标签言论文本；通过目标词语检测模型的transformer层对言论文本特征进行检测处理，得到目标词语检测数据。本申请实施例能够提高检测目标词语的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种目标词语的检测方法、装置、电子设备及存储介质。

背景技术

目前，目标词语的检测方法大多数是基于人工构建的特征来对言论中的目标词语进行检测，而人工构建特征往往需要技术人员具有较强的业务知识和领域知识，这会使得基于人工构建的特征具有一定的局限性，影响目标词语的检测准确性，因此，如何提高检测目标词语的准确性，成为了亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种目标词语的检测方法、装置、电子设备及存储介质，旨在提高检测目标词语的准确性。

为实现上述目的，本申请实施例的第一方面提出了一种目标词语的检测方法，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。

在一些实施例，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。

在一些实施例，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。

在一些实施例，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。

在一些实施例，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：