摘要
本发明公开了一种信息平台中异常文本信息的检测方法,包括以下步骤:S1:获取文本信息:从信息平台中收集所有相关的文本信息;S2:构建图结构:将节点互相连接形成图;S3:图嵌入技术:利用图嵌入技术将图结构中的节点映射到低维向量空间中,图嵌入后的节点特征向量将作为后续深度学习模型的输入;S4:提取语义特征:提取文本的语义特征,并将其与图嵌入后的特征向量相结合;S5:时间序列分析:分析文本信息随时间的变化趋势和模式;S6:特征输入与编码:将结合后的语义特征、图嵌入特征以及时间序列分析的结果输入到深度学习模型的编码器层中;S7:异常判断:将编码器层的输出输入到异常判断模块中,判断哪些节点是异常文本信息。
技术关键词
信息平台
节点
文本
LSTM模型
深度学习模型
编码器
嵌入特征
时间序列分析技术
邻居
词嵌入技术
语义特征提取
关系
时间序列特征
自然语言
更新模型参数
深度学习算法
训练集数据
系统为您推荐了相关专利信息
深度学习模型
识别方法
矿山
实时视频图像
迁移学习方法
资源调度优化方法
智能调度算法
强化学习算法
深度强化学习
信誉
节点
三维空间模型
数字孪生
资源分配位置
资源消耗量