基于人工智能大模型的异常言论预警方法及装置制造方法及图纸

本发明专利技术涉及基于人工智能大模型的异常言论预警方法及装置，包括以下：获取目标用户的多源关联数据；对所述多源关联数据进行标准化处理后，基于多模态处理模型转换为文本向量；通过大模型处理得到情感类型得分、情感强度得分、行为模式得分以及关键词识别得分并按照预设的权重系数进行累加得到最终得分；判断最终得分是否高于预设阈值，若是则判定目标用户为异常言论的高风险用户，若否则判定目标用户为异常言论的低风险用户；输出判定结果。本发明专利技术通过整合多模态处理框架、情感与行为模式综合判断以及上下文和历史语义分析等先进的人工智能技术，针对现有风险预测模型的局限性提出了创新性的解决方案。

【技术实现步骤摘要】

本专利技术涉及文本信息提取相关，尤其涉及基于人工智能大模型的异常言论预警方法及装置。

技术介绍

1、在现代社会中，风险预测与管理成为企业乃至公共安全领域至关重要的环节。传统的风险评估方法多依赖于固定的规则集和历史数据的简单统计分析。然而，随着信息技术的发展和社会环境的变化，这种基于静态规则的风险评估方式逐渐暴露出其局限性，特别是在面对复杂多变的社会现象时，如个人极端行为、网络舆情等，传统方法难以实现精准有效的预警。

2、近年来，随着机器学习算法的进步及其在各行业的广泛应用，出现了许多利用人工智能技术进行风险预测的新尝试。例如，在金融行业，有研究提出了集成多种机器学习算法来预测哮喘疾病发病风险的模型；而在银行业，则开发了“多维度欺诈风险预测”专利技术，该技术结合了三个不同的机器学习模型分别用于预测用户的登录、开户及交易欺诈风险。这些创新性的解决方案显著提升了风险识别的速度与准确性，并且能够在更大范围内提供个性化的服务和支持。

3、尽管如此，目前大多数现有技术仍然集中在特定领域内的风险防控上，对于涉及面更广的社会层面的风险，尤其是针对个本文档来自技高网...

【技术保护点】

1.基于人工智能大模型的异常言论预警方法，其特征在于，包括以下：

2.根据权利要求1所述的基于人工智能大模型的异常言论预警方法，其特征在于，具体的，所述多源关联数据包括文本数据以及语音、图像格式的数据。

3.根据权利要求1所述的基于人工智能大模型的异常言论预警方法，其特征在于，具体的，通过大模型对所述文本向量基于情感类型分类得到情感类型得分，基于情感强度分类得到情感强度得分，包括，

4.根据权利要求1所述的基于人工智能大模型的异常言论预警方法，其特征在于，具体的，通过大模型对所述文本向量基于行为模式识别得到行为模式得分，包括，>

5.根据权利...

【技术特征摘要】

1.基于人工智能大模型的异常言论预警方法，其特征在于，包括以下：

2.根据权利要求1所述的基于人工智能大模型的异常言论预警方法，其特征在于，具体的，所述多源关联数据包括文本数据以及语音、图像格式的数据。

3.根据权利要求1所述的基于人工智能大模型的异常言论预警方法，其特征在于，具体的，通过大模型对所述文本向量基于情感类型分类得到情感类型得分，基于情感强度分类得到情感强度得分，包括，

4.根据权利要求1所述的基于人工智能大模型的异常言论预警方法，其特征在于，具体的，通过大模型对所述文本向量基于行为模式识别得到行为模式得分，包括，

5.根据权利要求1所述的基于人工智能大模型的异常言论预警方法，其特征在于，具体的，通过大模型对所述文本向量基于关键词识别得到关键词识别得分，包括，

【专利技术属性】
技术研发人员：方清，
申请(专利权)人：广州恒巨信息科技有限公司，
类型：发明
国别省市：