基于反事实推断与双重学习的情感分析去偏方法及系统

本发明公开了一种基于反事实推断与双重学习的情感分析去偏方法及系统，首先构建基础情感分类模型，提取文本语义表示并进行监督学习优化；随后引入反事实推理框架，通过掩码扰动技术构造语义一致的反事实样本，以模拟不同特征条件下的潜在输出结果；在此基础上，设计双重学习结构，分别在事实样本与反事实样本上训练独立分类器，并通过多通道神经网络进行策略整合与因果特征建模，输出最终预测结果。不仅能够识别并揭示由特定特征引发的预测偏倚，还显著提升了情感分类任务在多样化输入条件下的稳健性与公平性，为复杂语境下的自然语言理解提供了新路径。