公开(公告)号：CN119149664A

公开(公告)日：2024-12-17

申请号：CN202411019108.5

申请日：2024-07-29

Applicant: 南京邮电大学

Inventor： 任勋益 ,  李滨

IPC: G06F16/33 ,  G06F16/35 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  G06F40/30 ,  G06F40/253 ,  G06F18/214 ,  G06F18/241

Abstract: 本发明提出了一种基于BERT‑CNN的虚假评论检测方法，先使用BERT模型在文本数据上捕捉深层的表征，BERT的多层Encoder层的深层结构使得它能够捕捉从浅层语法特征到深层语义特征的不同级别的语言信息；再输入到卷积神经网络中，可以更好地使得序列能够较为完整的学习到上下文信息；接着把BERT的学习信息和CNN的信息相结合，通过全连接处理，使用softmax分类器实现分类。本发明使用了BERT模型，BERT模型摒弃了传统的神经网络结构，同时结合了Transformer模型的特点，在减少计算量和提高并行效率的同时取得更优异的结果，解决了当前虚假评论检测不准确的问题，能够提高检测的准确率和鲁棒性。