摘要
本公开提供一种基于多模态融合学习的生成式AI服务网站识别方法。输入人工智能生成服务网站的原始的多维度多模态信息,通过多模态特征提取模型将所述多维度信息转化为人工智能服务网站的文本、图片、代码三种特征向量,将所述三种特征向量输入多模态特征融合识别模型,输出人工智能生成服务网站是否提供人工智能服务的判别结果。本发明通过将网站的文本、图像和代码模态的特征融合实现更加准确的人工智能生成服务网站识别,以提高模型在新兴、多样化网站数据上的泛化性能,增强网站识别与分类模型泛化能力和适应性,突破单一数据类型进行分类的局限性,提高分类系统的泛化能力,使其能够适应不断变化和多样化的人工智能生成式网站内容。
技术关键词
网站识别方法
多模态特征融合
人工智能服务
特征提取模型
多模态信息
代码特征
BERT模型
多层感知机
静态特征
集成学习模型
融合特征
文本特征向量
图像特征向量
词嵌入向量
神经网络训练
全局平均池化
抽象语法树
系统为您推荐了相关专利信息
站点
特征提取模型
拓扑网络
多头注意力机制
投影特征
智能定位方法
代码结构
强化学习框架
漏洞
交叉注意力机制