[发明专利]违规语料的检测方法、装置、计算机设备及存储介质

权利要求书

1.一种违规语料的检测方法，其特征在于，包括下述步骤：

接收预标注的历史语音文本，基于语音识别技术将所述历史语音文本转化为标注语料，其中，所述标注语料携带一级标签，一级标签包括有违规标签和无违规标签，且携带有违规标签的标注语料同时携带二级标签；

基于预设的初始语料分类模型和概率阈值调整所述标注语料，获得目标训练语料；

基于所述目标训练语料和所述一级标签训练预设的初始文本分类模型，获得目标文本分类模型，并基于所述目标训练语料和所述二级标签训练预设的初始语句分类模型，获得目标语句分类模型；

接收待识别语料，将所述待识别语料输入至所述目标文本分类模型中，获得目标一级标签；

识别所述目标一级标签是否为有违规标签，在所述目标一级标签为有违规标签时，将所述待识别语料输入至所述目标语句分类模型中，获得目标二级标签。

2.根据权利要求1所述的违规语料的检测方法，其特征在于，所述基于所述目标训练语料和所述二级标签训练预设的初始语句分类模型，获得目标语句分类模型的步骤包括：

分批次获取预设个数的目标训练语料，分别作为批次训练样本；

对每次获取的批次训练样本进行样本调整，获得调整后的批次训练样本；

分批次基于所述调整后的批次训练样本和所述二级标签训练预设的初始语句分类模型，获得所述目标语句分类模型。

3.根据权利要求2所述的违规语料的检测方法，其特征在于，所述对每次获取的批次训练样本进行样本调整，获得调整后的批次训练样本的步骤包括：

分别识别二级标签所对应的批次训练样本的比例；

在所述比例小于比例阈值时，对所述二级标签所对应的剩余的目标训练语料进行随机抽样，获得抽样样本；

将所述抽样样本添加入所述批次训练样本中，直至所述比例大于所述比例阈值，获得所述调整后的批次训练样本。

4.根据权利要求1所述的违规语料的检测方法，其特征在于，所述基于所述目标训练语料和所述一级标签训练预设的初始文本分类模型，获得目标文本分类模型的步骤包括：

计算所有的目标训练语料的平均长度，根据所述语句长度调整预设的文本分类模型中的卷积核的大小，获得中间文本分类模型；

基于所述目标训练语料和所述一级标签训练所述中间文本分类模型，获得目标文本分类模型。

5.根据权利要求1所述的违规语料的检测方法，其特征在于，所述基于所述目标训练语料和所述一级标签训练预设的初始文本分类模型，获得目标文本分类模型，并基于所述目标训练语料和所述二级标签训练预设的初始语句分类模型，获得目标语句分类模型的步骤包括：

基于所述目标训练语料和所述一级标签训练预设的初始文本分类模型，获得待调整文本分类模型；

基于所述目标训练语料和所述二级标签训练预设的初始语句分类模型，获得待调整语句分类模型；

基于预设的目标验证集验证所述待调整文本分类模型和所述待调整语句分类模型，获得验证结果；

确定所述验证结果是否达标；

在所述验证结果达标时，完成模型训练，将所述待调整文本分类模型和所述待调整语句分类模型，分别作为所述目标文本分类模型和目标语句分类模型；

在所述验证结果不达标时，调整所述目标训练语料，获得调整后的目标训练语料；

基于所述调整后的目标训练语料训练所述目待调整文本分类模型和所述待调整语句分类模型，直至所述验证结果达标，获得所述目标文本分类模型和目标语句分类模型。

6.根据权利要求5所述的违规语料的检测方法，其特征在于，所述调整所述目标训练语料，获得调整后的目标训练语料的步骤包括：

基于预设的关键词查找表确定所述目标训练语料中的关键词；

基于所述关键词生成多个不同的关键词语料；

将所述关键词语料添加入所述目标训练语料中，获得所述调整后的目标训练语料。