[发明专利]低质言论识别方法、装置、设备及计算机可读存储介质

权利要求书

1.一种低质言论识别方法，其特征在于，包括：

通过语言模型计算言论数据的困惑度值；

根据所述言论数据的困惑度值，确定所述言论数据是否为无意义类型；

如果所述言论数据不属于无意义类型，将所述言论数据输入多个对应不同低质类型的识别模型，得到每个识别模型的识别结果，所述识别结果包括所述言论数据是否为低质言论；其中每个所述识别模型是通过对应低质类型的训练集训练得到的；

若存在至少一个识别模型的识别结果为所述言论数据是低质言论，则确定所述言论数据为低质言论；

根据所述至少一个识别模型的识别结果确定所述言论数据的低质类型；

将所述言论数据输入多个对应不同低质类型的识别模型，识别出所述言论数据是否为对应低质类型的低质言论之前，还包括：

对于任意一种低质类型，获取该低质类型的训练集，所述训练集中包括多条言论样本及其对应于该低质类型的标注数据；每条言论样本对应于该低质类型的标注数据包括：是否是该低质类型的低质言论，以及对应于该低质类型的低质分数；

利用该低质类型的训练集，对预设二分类模型进行模型训练，得到对应该低质类型的识别模型；

所述预设二分类模型为基于长短时记忆型循环神经网络分类模型。

2.根据权利要求1所述的方法，其特征在于，所述识别结果还包括所述言论数据的低质分数。

3.根据权利要求1所述的方法，其特征在于，将所述言论数据输入多个对应不同低质类型的识别模型，得到每个识别模型的识别结果之后，还包括：

若所有识别模型的识别结果均为所述言论数据不是该识别模型对应低质类型的低质言论，则确定所述言论数据不是低质言论。

4.根据权利要求1所述的方法，其特征在于，根据所述言论数据的困惑度值，确定所述言论数据是否为无意义类型，包括：

比较所述言论数据的困惑度值与困惑度阈值的大小；

若所述言论数据的困惑度值大于所述困惑度阈值，则确定所述言论数据是无意义类型；

若所述言论数据的困惑度值小于或者等于所述困惑度阈值，则确定所述言论数据不是无意义类型。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述确定所述言论数据是否为无意义类型之后，还包括：

判断所述言论数据是否满足无内容规则，所述无内容规则为仅包括以下一种或者几种内容：表情、数字、符号；

若满足无内容规则，则确定所述言论数据为无内容类型。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述确定所述言论数据是否为无意义类型之后，还包括：

判断所述言论数据是否满足重复输入规则，所述重复输入规则为至少一半的内容是某个词的连续重复输入；

若满足重复输入规则，则确定所述言论数据为重复输入类型。

7.根据权利要求1所述的方法，其特征在于，所述低质类型至少包括：

色情类型、恶意推广类型、地域黑类型、反动类型、违法类型、辱骂类型和人身攻击类型。

8.根据权利要求7所述的方法，其特征在于，所述多个对应不同低质类型的识别模型至少包括：

对应于色情类型的色情言论识别模型，

对应于恶意推广类型的恶意推广言论识别模型，

对应于地域黑类型的地域黑言论识别模型，

对应于反动类型的反动言论识别模型，

对应于违法类型的违法言论识别模型，

对应于辱骂类型的辱骂言论识别模型，

和，对应于人身攻击类型的人身攻击言论识别模型。