买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉扬州大学申请的专利两阶段知识驱动提示调优的中文隐性仇恨语言检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119917667B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510085413.2，技术领域涉及：G06F16/353；该发明授权两阶段知识驱动提示调优的中文隐性仇恨语言检测方法是由朱毅;王晗;李云;强继朋;袁运浩设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本两阶段知识驱动提示调优的中文隐性仇恨语言检测方法在说明书摘要公布了：本发明公开了两阶段知识驱动提示调优的中文隐性仇恨语言检测方法，包括1使用结合注意力机制的图卷积网络提取输入文本的语法结构特征；2在连续的最优提示空间中进行训练，得到软提示模板；3通过融合外部知识的方法构建扩展词映射器，并采用两阶段串联策略进行扩展与细化，生成优化后的扩展词映射器；4从训练集中选取少量样本进行训练构造提示调优模型，结合软提示模板与扩展词映射器提取语义特征，将其与生成的语法结构特征拼接形成综合特征，实现中文隐性仇恨语言检测。本发明通过外部知识优化串联扩展与细化的扩展词映射器，融合注意力机制与图卷积网络提取的语法特征，挖掘预训练语言模型的潜在知识，高中文隐性仇恨语言检测效果。

本发明授权两阶段知识驱动提示调优的中文隐性仇恨语言检测方法在权利要求书中公布了：1.一种两阶段知识驱动提示调优的中文隐性仇恨语言检测方法，其特征在于，包括以下步骤： 1针对中文隐性仇恨语言的特点，使用结合注意力机制的图卷积网络提取输入文本的语法结构特征； 2在连续的最优提示空间中进行训练，得到软提示模板； 3通过融合外部知识的方法构建扩展词映射器，并采用两阶段串联策略进行扩展与细化，生成优化后的扩展词映射器； 步骤3.1在提示调优过程中，通过将扩展词映射到类别，缓解文本空间与标签空间之间的差异；实现标签词的自动选择或扩展词的映射关系，表达形式为： 其中，vi表示扩展词映射器中的一个词语；y表示对应的标签，其中y＝0表示非仇恨语言，与“友善的”标签词相关联，相反，y＝1表示仇恨语言，与“恶意的”的标签相对应； 步骤3.2在扩展词映射器的构建中，采用两阶段知识化的方法来检测中文隐性仇恨语言；两阶段是指扩展词映射器扩展和细化策略的串联； 步骤3.2.1在进行知识检索扩展时，采用WantWords反向词典，通过将描述或含义与相关单词匹配，实现从语义到词汇的检索；基于类别信息“友善的评论”和“恶意的评论”，检索出N1个反向匹配的词语，作为扩展的标签词集合Vy； 将类别名称y，即“友善的”和“恶意的”作为锚点词，计算每个扩展标签词Vy与类别名称y在嵌入空间中的距离distVy，y；提取与类别名称y具有最高余弦相似度的前N2个词语，进一步优化扩展标签词的选择； 步骤3.2.2在细化扩展词的过程中，通过概率计算对扩展标签词进行优化；计算每个标签词的分布概率；使用余弦相似度来表示候选标签词在两个类别中的分布概率；反映了标签词在两个类别上的分布特征，表示为： 其中，i∈{0，1}，Pv|y0表示候选标签词v在“友善的”类别中的概率，同样的，Pv|y1类似地表示候选标签词v在“冒犯性”类别中的概率；然后，基于以下公式，计算每个候选标签词的标准偏差； 其中，μ是标签词在所有类别中的平均概率，表示为： 通过标准差的大小表示，按照标准差从大到小排序，选取前N3个标签词构建最终的扩展词映射器； 4从训练集中选取少量样本进行训练构造提示调优模型，结合步骤2和步骤3中提到的软提示模板与扩展词映射器提取语义特征，并将其与步骤1中生成的语法结构特征拼接形成综合特征，从而实现中文隐性仇恨语言检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。