计算机工程与科学

作者：李公瑾, 邵玉斌, 杜庆治, 龙华, 马迪南

单位：1.昆明理工大学信息工程与自动化学院，云南 昆明 650504；2.云南省媒体融合重点实验室，云南 昆明 650032

关键词：BERT语言模型,双向胶囊网络,语境辅助特征,恶意评论检测,

基金：云南省媒体融合重点实验室项目(320225403)

为了解决现有检测模型无法准确识别语言风格多变、语意隐晦的恶意评论问题，提出了一种基于双向胶囊网络的恶意评论检测模型。首先，利用BERT模型对评论文本进行词嵌入，创建输入矩阵；其次，将输入矩阵传递给双向特征提取层，该层由堆叠的LSTM、双向胶囊网络和注意力网络组成，从正向和反向同时捕获文本的深层语义信息，将生成的正向和反向矩阵拼接起来并输入到注意力机制中，聚焦与恶意评论相关的词语并生成输出向量；再次，拼接输出向量与语境辅助特征向量，丰富特征表示；最后，将拼接向量输入到全连接层中，通过Sigmoid激活函数对评论文本进行分类。在维基百科恶意评论数据集上进行的实验表明，相较于现有研究，基于双向胶囊网络的恶意评论检测模型性能提升显著，能够捕获评论文本中更丰富的语义信息，有效检测恶意评论。

来源：2024年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第10期