基于大模型的海量负面信息检测方法、装置、设备及介质制造方法及图纸

技术编号:43474246 阅读:19 留言:0更新日期:2024-11-27 13:13
本公开涉及一种基于大模型的海量负面信息检测方法、装置、设备及介质。其中,基于大模型的海量负面信息检测方法包括:获取待检测文本,由目标机器学习模型对待检测文本进行分析输出第一结果,在第一结果为待检测文本对应的情感分析结果为非负面时,获取目标指令语句,由目标大语言模型基于目标指令语句对待检测文本进行情感分析,输出第二结果,将第二结果确定为待检测文本的检测结果,目标大语言模型的第一参数量高于目标机器学习模型的第二参数量,由此,能够通过不同参数量的机器学习模型和大语言模型结合的方式对待检测文本进行情感分析,确定待检测文本的检测结果,实现了在对待检测文本快速进行情感分析的基础上提高了情感分析的准确性。

【技术实现步骤摘要】

本公开涉及情感识别,尤其涉及一种基于大模型的海量负面信息检测方法、装置、设备及介质


技术介绍

1、目前,随着互联网技术的发展,人们可以在网络在各个互联网平台发表自己的言论,比如对新闻热点的评论等,为了更好地了解社会舆情的情感或者立场,对舆情的情感分析尤为重要。

2、现有的对舆情的情感分析的方式主要有:第一种是基于情感词典进行舆情情感分析,即根据人工构造的情感词、否定词以及情感副词计算舆情文本对应的权重值进而来进行情感倾向的划分;第二种是基于机器学习模型来对舆情文本进行情感预测,进而得到舆情的情感倾向。

3、然而,现有的情感分析方式在进行舆情文本的情感分析时,采用参数量小的机器学习模型处理速度快但准确性较低,采用参数量大的机器学习模型准确性较高但处理速度慢,因此,如何能够快速且准确地进行舆情文本的情感分析是亟需解决的技术问题。


技术实现思路

1、为了解决上述技术问题,本公开提供了一种基于大模型的海量负面信息检测方法、装置、设备及介质。

2、本公开实施例的第一方面提供了一种基本文档来自技高网...

【技术保护点】

1.一种基于大模型的海量负面信息检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述目标机器学习模型包括第一机器学习模型和第二机器学习模型,所述将所述待检测文本输入至目标机器学习模型,由所述目标机器学习模型对所述待检测文本进行情感分析,得到第一结果,包括:

3.根据权利要求1所述的方法,其特征在于,所述从所述多个舆情文本中确定至少一个待检测文本,包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述文本类型从所述多个舆情文本中筛选出所述至少一个待检测文本,包括:

5.根据权利要求1所述的方法,其特征在于,在所...

【技术特征摘要】

1.一种基于大模型的海量负面信息检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述目标机器学习模型包括第一机器学习模型和第二机器学习模型,所述将所述待检测文本输入至目标机器学习模型,由所述目标机器学习模型对所述待检测文本进行情感分析,得到第一结果,包括:

3.根据权利要求1所述的方法,其特征在于,所述从所述多个舆情文本中确定至少一个待检测文本,包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述文本类型从所述多个舆情文本中筛选出所述至少一个待检测文本,包括:

5.根据权利要求1所述的方法,其特征在...

【专利技术属性】
技术研发人员:王亦洁王宇琪刘宏宇朱天赋张西娜罗引徐楠王磊
申请(专利权)人:北京中科闻歌科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1