[发明专利]一种针对商家的扰乱性评论的识别方法及系统

权利要求书

1.一种针对商家的扰乱性评论的识别方法，其特征在于，包括：

S1.获取商家的类别信息和属性信息；所述类别信息包括商家能够划分为的多种类别；所述属性信息包括商家的名称和地址；

S2.根据所述类别信息从预设的类别嵌入矩阵中获取商家各个所属类别的表示向量，并计算商家所有类别的表示向量的平均值，得到商家的类别特征向量；

S3.根据所述属性信息从预设的词嵌入矩阵中获取商家属性值的表示向量，并计算商家属性值的表示向量中所有字符向量的平均值，得到商家的属性特征向量；

S4.将所述类别特征向量和所述属性特征向量进行拼接得到商家特征向量；

S5.获取用户做出的评论并通过层次注意力模型处理得到所述评论对应的评论表示向量；

S6.将所述商家特征向量和所述评论表示向量映射到匹配空间计算得到匹配概率，并根据所述匹配概率识别出扰乱性评论；其中，匹配概率的计算方式为：

p = sigmoid（vMe）

式中，p表示匹配概率；v表示评论表示向量；e表示商家特征向量；M是一个映射矩阵且M∈R^2d×d，R表示实数域，d表示向量维度。

2.根据权利要求1所述的方法，其特征在于，所述S5包括：

S51.通过预设的词嵌入矩阵获取所述评论中各个句子中的各个词的词表示向量x_it；将所述词表示向量x_it输入第一双向GRU网络，得到所述词表示向量x_it对应的两个输出，并对这两个输出进行拼接得到参数h_it；

S52.将参数h_it输入第一多层感知器，得到对应的输出结果u_it；

S53.计算所述输出结果u_it与第一随机初始化向量u_w的第一内积；通过第一softmax函数根据所述第一内积得到每个时间步输出的第一权重a_it，并根据所述第一权重a_it和参数h_it进行加权求和，得到每个句子的句子表示向量s_i；

S54. 将所述句子表示向量s_i输入第二双向GRU网络得到句子表示向量s_i对应的两个输出，并对这两个输出进行拼接得到参数h_i；

S55.将参数h_i输入第二多层感知器，得到对应的输出结果u_i；

S56.计算所述输出结果u_i与第二随机初始化向量u_s的第二内积；通过第二softmax函数根据所述第二内积得到每个时间步输出的第二权重a_i，并根据所述第二权重a_i和参数h_i进行加权求和，得到每个评论的评论表示向量。