一种基于迁移学习的教学幽默语言检测模型

本发明公开一种基于迁移学习的教学幽默语言检测模型，属于自然语言处理技术领域。包括迁移学习模块、TCCA融合网络和长文本语义理解模块，其中迁移学习模块利用ChineseClip模型的文本编码器提取上下文幽默语义特征，TCCA融合网络模块通过改进的TCCA融合网络对词向量特征进行卷积、矩阵运算、注意力计算和参数聚合；长文本语义理解模块对TCCA输出的特征序列进行双向建模，捕捉长距离语义关系和语义转折，输出分类结果。本发明还构建了T‑humor数据集，并在CCL2018、CCL2019和T‑humor数据集上进行实验，证明该模型能有效提取幽默语义特征，识别语义转折，在F1分数等指标上表现优异，具有良好的检测性能和泛化能力，为教学幽默语言的自动检测提供了有效解决方案。