欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021115367738
申请人: 平安科技(深圳)有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2025-12-10
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于文本对抗样例的信息推送方法,其特征在于,包括:

获取目标对象的评价文本信息;

基于已完成模型训练的文本情感分析模型对所述评价文本信息进行分类处理,得到情感分类结果,所述文本情感分析模型是由扩充文本信息以及原始文本信息组合得到的训练样本训练得到的,所述扩充文本信息用于表征基于掩码语言模型生成的文本对抗样例;

若所述情感分类结果为正面情感,则提取所述目标对象的管理类别以及关键词,并在预设分类管理数据库中与所述目标对象相同的管理类别下,查找与所述关键词之间相似度大于预设相似度阈值的关联对象;

若存在所述关联对象,则基于相似度值进行排序,按照排序结果输出所述关联对象;

其中,所述方法还包括:

基于基础文本情感分析模型,计算所述评价文本信息中标记词的重要性参数,选取重要性参数最大值对应的标记词作为所述评价文本信息的种子词,所述评价文本信息为情感分析训练原始样本集中的评价文本信息,所述基础文本情感分析模型为基于情感分析训练原始样本集对初始文本情感分析模型进行训练得到的;

基于预训练语言表示模型预测所述种子词位置的对应标记词,获取预设数量的标记词替换所述种子词,生成所述评价文本信息的待度量对抗样例;

基于语义相似度模型度量所述待度量对抗样例和所述评价文本信息之间的相似度参数,选取相似度参数最大值对应的所述待度量对抗样例作为所述评价文本信息的对抗样例,生成情感分析训练扩充样本集,以将所述情感分析训练原始样本集以及所述情感分析训练扩充样本集组合得到的训练样本对所述基础文本情感分析模型进行训练,得到文本情感分析模型。

2.根据权利要求1所述的方法,其特征在于,所述基于已完成模型训练的文本情感分析模型对所述评价文本信息进行分类处理之前,所述方法还包括:获取全量初始评价文本信息,得到情感分析训练原始样本集;

基于卷积神经网络构建初始文本情感分析模型,并基于所述情感分析训练原始样本集对所述初始文本情感分析模型进行模型训练,得到基础文本情感分析模型。

3.根据权利要求2所述的方法,其特征在于,所述获取全量初始评价文本信息,得到情感分析训练原始样本集,具体包括:获取全量初始评价文本信息;

对所述初始评价文本信息进行目标字符串的筛选,得到情感分析训练原始样本集。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

若所述情感分类结果为负面情感,则输出询问框,所述询问框用于询问是否屏蔽所述目标对象的管理类别下的所有对象;

若屏蔽,则基于用户特征信息从所述分类管理数据库中匹配替换对象,将所述替换对象进行推送,所述用户特征信息包括用户年龄、用户性别以及借阅记录。

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

若不存在所述关联对象,则输出关注度排行榜,所述关注度排行榜用于表征所述分类管理数据库中所有对象的被关注程度的排行榜。

6.一种基于文本对抗样例的信息推送装置,其特征在于,包括:

第一获取模块,用于获取目标对象的评价文本信息;

分类模块,用于基于已完成模型训练的文本情感分析模型对所述评价文本信息进行分类处理,得到情感分类结果,所述文本情感分析模型是由扩充文本信息以及原始文本信息组合得到的训练样本训练得到的,所述扩充文本信息用于表征基于掩码语言模型生成的文本对抗样例;

查找模块,用于若所述情感分类结果为正面情感,则提取所述目标对象的管理类别以及关键词,并在预设分类管理数据库中与所述目标对象相同的管理类别下,查找与所述关键词之间相似度大于预设相似度阈值的关联对象;

第一输出模块,用于若存在所述关联对象,则基于相似度值进行排序,按照排序结果输出所述关联对象;

其中,所述装置还包括:

计算模块,用于基于基础文本情感分析模型,计算所述评价文本信息中标记词的重要性参数,选取重要性参数最大值对应的标记词作为所述评价文本信息的种子词,所述评价文本信息为情感分析训练原始样本集中的评价文本信息,所述基础文本情感分析模型为基于情感分析训练原始样本集对初始文本情感分析模型进行训练得到的;

预测模块,用于基于预训练语言表示模型预测所述种子词位置的对应标记词,获取预设数量的标记词替换所述种子词,生成所述评价文本信息的待度量对抗样例;

度量模块,用于基于语义相似度模型度量所述待度量对抗样例和所述评价文本信息之间的相似度参数,选取相似度参数最大值对应的所述待度量对抗样例作为所述评价文本信息的对抗样例,生成情感分析训练扩充样本集,以将所述情感分析训练原始样本集以及所述情感分析训练扩充样本集组合得到的训练样本对所述基础文本情感分析模型进行训练,得到文本情感分析模型。

7.一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1‑5中任一项所述的基于文本对抗样例的信息推送方法对应的操作。

8.一种计算机设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;

所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1‑5中任一项所述的基于文本对抗样例的信息推送方法对应的操作。