【技术实现步骤摘要】
一种基于区块链的检测评论方法、装置及电子设备
[0001]本专利技术涉及文本检测
,具体而言,涉及一种基于区块链的检测评论方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着互联网技术发展,大量的信息可以通过互联网传播,不仅包含新闻、商品等信息,也存在用户对新闻或商品的评论。这些评论中会包含用户正常的评论,也可能会存在虚假或者无关的无效评论,这些无效评论可能会影响其他用户对相应新闻或商品的感官,因此需要对用户发表的评论进行检测、分类。
[0003]目前主要是通过自然语言处理技术对评论进行语义识别,检测时所基于的维度较少,过于依赖检测模型的准确度;并且,也容易存在误检的情况。例如,用户将对商品A的正常评论发表到了对其他商品B的评论,该评论本身是正常的,但其与商品B不相关,该评论仍然是无效的评论。
技术实现思路
[0004]为解决现有存在的技术问题,本专利技术实施例提供一种基于区块链的检测评论方法、装置、电子设备及计算机可读存储介质。
[0005]第一方面,本专利技术实施例提供了一种基于区块链的检测评论方法,包括:
[0006]为用户分配相应的节点,并基于区块链构建包含多个所述节点的信息平台;
[0007]确定所述信息平台中多个目标节点的信用度,所述目标节点为所述信息平台中发表过评论文本的节点;
[0008]对所述目标节点发表的目标评论文本进行注意力处理,确定所述目标评论文本的注意力信息,根据所述注意力信息和相应的所述信用度生成所述目标评论文 ...
【技术保护点】
【技术特征摘要】
1.一种基于区块链的检测评论方法,其特征在于,包括:为用户分配相应的节点,并基于区块链构建包含多个所述节点的信息平台;确定所述信息平台中多个目标节点的信用度,所述目标节点为所述信息平台中发表过评论文本的节点;对所述目标节点发表的目标评论文本进行注意力处理,确定所述目标评论文本的注意力信息,根据所述注意力信息和相应的所述信用度生成所述目标评论文本的特征向量;根据所述目标评论文本的特征向量对所述目标评论文本进行检测。2.根据权利要求1所述的方法,其特征在于,所述确定所述信息平台中多个目标节点的信用度,包括:预先设置所述目标节点的无效评价权重w1、应答效率权重w2和互动权重w3,并根据所述目标节点的历史信用度、应答处理时间和互动数量分别确定所述目标节点的信用度值、应答效率值和互动值;根据所述目标节点的信用度值、应答效率值和互动值生成相应的节点数组A
i
={P
i1
,P
i2
,P
i3
},且:其中,C
i
,T
i
,N
i
分别为第i个目标节点的历史信用度、应答处理时间、互动数量,P
i1
,P
i2
,P
i3
分别为第i个目标节点的信用度值、应答效率值和互动值;根据所述节点数组确定第i个目标节点对第j个目标节点的相对熵KL(i,j),以及所述第i个目标节点占所述第j个目标节点的相邻度比例RD(i,j);其中,d(i)表示第i个目标节点的度,N(j)表示指向所述第j个目标节点的其他节点集合,d(k)表示指向所述第j个目标节点的节点中,第k个节点的度;根据所述相对熵KL(i,j)和所述相邻度比例RD(i,j)确定第i个目标节点对第j个目标节点的关联度REij,且:REij=(1
‑
a)
×
KL(i,j)+a
×
RD(i,j);建立信用度关系式,对所述信用度关系式进行迭代处理,确定每个所述目标节点的信用度;其中,所述信用度关系式为:C
i
、C
j
分别表示第i个目标节点的信用度、第j个目标节点的信用度,a和b均为预先设置的调整系数,N为目标节点的总数量,N(i)表示指向第i个目标节点的其他节点集合,m(j)为第j个目标节点的出链数量。3.根据权利要求1所述的方法,其特征在于,所述对所述目标节点发表的目标评论文本进行注意力处理,确定所述目标评论文本的注意力信息,包括:
对所述目标评论文本进行分词处理,确定所述目标评论文本每个分词的词向量x
i
,并生成所述目标评论文本的文本序列X
T
,且X
T
=(x1,x2,
…
,x
T
);其中,词向量x
i
为列向量的形式,i∈[1,T],且T为所述目标评论文本的分词总数量;根据所述文本序列X
T
中全部的词向量确定所述目标评论文本的注意力全局参数;根据所述文本序列X
T
中与第i个词向量x
i
相关联的部分词向量确定第i个词向量x
i
的注意力系数,并根据所有词向量的注意力系数确定所述目标评论文本的注意力局部参数。4.根据权利要求3所述的方法,其特征在于,所述根据所述文本序列X
T
中全部的词向量确定所述目标评论文本的注意力全局参数,包括:设置第一卷积核矩阵W
G
,且W
G
∈R
d
×
T
;对所述文本序列X
T
进行卷积处理,确定每个分词对应的全局注意力值S
G
(i),并根据所述全局注意力值S
G
(i)确定更新后的第一词向量且:S
G
(i)=g(X
T
(:,i)*W
G
(:,i)),i∈[1,T];从所有更新后的第一词向量中选取出n个相邻的第一词向量,以生成全局词向量序列X
G,i
,i∈[1,T
‑
n+1];预先设置n
G
个d
×
n的第一卷积核,并根据所述第一卷积核对所述全局词向量序列X
G,i
进行卷积处理,将卷积处理结果Z
G
(i,j)进行最大池化处理,确定所述目标评论文本的注意力全局参数Z
G
;Z
G
(i,j)=g(X
G,i
*C
G,j
),Z
G
(j)=max(Z
G
(:,j));j∈[1,n
G
];其中,C
G,j
为第j个第一卷积核,函数g()表示激活函数,Z
G
(j)表示注意力全局参数Z
...
【专利技术属性】
技术研发人员:李纯懿,
申请(专利权)人:卓尔智联武汉研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。