一种对话内隐性冒犯性语解释的方法

本发明涉及一种对话内隐性冒犯语解释方法，包括任务提出与定义、数据集构建、构造双路径注意力与知识注入解释模型三部分。针对现有研究主要关注独立语句中的显式冒犯性语言，而对话中隐性冒犯性语言的可解释性问题尚未充分探索的问题，提出对话隐性冒犯语解释任务(DIOLE)，以提升对隐性冒犯性内容的理解。为支持该任务，构建隐性冒犯性对话解释数据集(IODED)，该数据集为英文数据集，数据由ChatGPT生成并经人工验证，以确保合理性和有效性。进一步，设计双路径注意力与知识注入解释模型(DAKIEM)，通过学习上下文信息并融合外部知识，生成符合语境的隐性冒犯性语言解释。本发明综合利用提示工程、预训练语言模型、知识图谱、图神经网络等技术，为隐性冒犯性语言的检测与解释提供关键基础。