知识增强对比学习模型

低资源识别更准

该模型通过注入词汇、样本和类别三类先验知识，在标注数据稀缺时仍能稳定识别辱骂性语言，并可跨领域泛化。

宋瑞 · Giunchiglia, Fausto · Yingji, Li · 李健 · Jingwen, Wang · 徐昊

Knowledge-Based Systems 2025

参数信息

半监督平均提升

2.19 %

半监督相对基础模型提升

3.58 %

跨领域平均提升

2.58 %

跨领域相对基础模型提升

3.42 %

技术优势

标注需求大减

利用词汇、样本和类别三类先验知识，模型无需大量标注数据也能达到较好性能。

跨领域更稳

通过多对比学习获得稳定的样本级和类内表示，跨领域泛化平均提升2.58%。

聚焦辱骂词

通过上下文重构将词汇知识注入语言模型，促使模型关注辱骂性关键词。

应用场景

• 内容审核：自动识别并过滤辱骂性内容，减少人工审核负担。
• 社交媒体治理：在低标注资源下部署于社交媒体平台，提升治理效率。
• 在线安全：保护用户免受辱骂性言论侵害，营造安全网络环境。
• 低资源语言处理：利用先验知识在标注稀缺的语言或领域中实现有效检测。