[发明专利]资讯健康度的评估方法、装置、设备及存储介质

权利要求书

1.一种资讯健康度的评估方法，其特征在于，所述资讯健康度的评估方法包括：

获取待评估主体的资讯信息；

通过预先训练的多元分类模型对所述资讯信息进行多元素的分类处理，得到所述资讯信息对应的至少一个原始元素类别信息；

基于所述资讯信息对应的至少一个原始元素类别信息，对所述资讯信息进行单个原始元素类别信息的情感倾向分类，得到每个原始元素类别信息对应的情感倾向分类概率；

通过每个原始元素类别信息对应的情感倾向分类概率，确定至少一个目标元素类别信息，并对每个目标元素类别信息对应的情感倾向分类概率进行资讯健康度计算，得到每个目标元素类别信息对应的元素资讯健康度；

根据每个目标元素类别信息对应的元素资讯健康度，确定所述待评估主体的综合资讯健康度。

2.根据权利要求1所述的资讯健康度的评估方法，其特征在于，所述多元分类模型包括多个元素分别对应的标签分类模型，所述通过预先训练的多元分类模型对所述资讯信息进行多元素的分类处理，得到所述资讯信息对应的至少一个原始元素类别信息，包括：

通过每个元素对应的标签分类模型对所述资讯信息进行标签分类处理，得到每个元素对应的分类标签信息，每个元素对应的分类标签信息用于指示所述资讯信息属于对应元素的概率；

通过多个元素分别对应的分类标签信息，判断所述资讯信息属于对应元素的概率是否大于预置概率阈值；

若所述资讯信息属于对应元素的概率大于预置概率阈值，则将对应元素确定为所述资讯信息对应的原始元素类别信息，得到所述资讯信息对应的至少一个原始元素类别信息。

3.根据权利要求2所述的资讯健康度的评估方法，其特征在于，每个元素对应的标签分类模型包括输入层、卷积层、池化层和第一全连接层，所述通过每个元素对应的标签分类模型对所述资讯信息进行标签分类处理，得到每个元素对应的分类标签信息，包括：

通过每个元素对应的标签分类模型中的输入层对所述资讯信息进行分词处理，得到各标签分类模型的分词结果，并对所述各标签分类模型的分词结果进行向量化处理，得到各标签分类模型的稀疏矩阵；

通过各标签分类模型中的卷积层对各标签分类模型的稀疏矩阵进行元素特征提取，得到各标签分类模型的元素特征信息；

通过各标签分类模型中的池化层对各标签分类模型的元素特征信息进行定长处理，得到各标签分类模型的定长特征信息；

通过各标签分类模型中的第一全连接层对各标签分类模型的定长特征信息进行标签分类，得到每个元素对应的分类标签信息。

4.根据权利要求1所述的资讯健康度的评估方法，其特征在于，所述基于所述资讯信息对应的至少一个原始元素类别信息，对所述资讯信息进行单个原始元素类别信息的情感倾向分类，得到每个原始元素类别信息对应的情感倾向分类概率，包括：

获取每个原始元素类别信息对应的情感倾向分类模型，每个原始元素类别信息对应的情感倾向分类模型包括知识蒸馏双向编码表征转换器和第二全连接层；

通过每个原始元素类别信息对应的情感倾向分类模型中的知识蒸馏双向编码表征转换器对所述资讯信息进行情感倾向特征提取，得到每个原始元素类别信息的情感倾向特征信息；

通过每个原始元素类别信息对应的情感倾向分类模型中的第二全连接层对所述情感倾向特征信息进行情感倾向分类，得到每个原始元素类别信息对应的情感倾向分类概率。

5.根据权利要求1所述的资讯健康度的评估方法，其特征在于，所述通过每个原始元素类别信息对应的情感倾向分类概率，确定至少一个目标元素类别信息，并对每个目标元素类别信息对应的情感倾向分类概率进行资讯健康度计算，得到每个目标元素类别信息对应的元素资讯健康度，包括：

将每个原始元素类别信息对应的情感倾向分类概率与预置情感倾向分类概率阈值进行比对，得到目标元素类别信息，所述目标元素类别信息用于指示情感倾向分类概率大于所述预置情感倾向分类概率阈值的原始元素类别信息；

通过预置分值转换公式，将所述目标元素类别信息对应的情感倾向分类概率转换为分值数据，得到每个目标元素类别信息对应的元素资讯健康度。