一种基于RoBERTa模型的长文本信息立场检测方法

摘要

本发明公开了一种基于RoBERTa模型的长文本信息立场检测方法。本发明在长文本信息立场检测任务中引入基于文本切割的RoBERTa模型，用于编码各索引片段；引入BiLSTM和CRF模块，用于标记关键证据；引入基于Self‑training的半监督学习方法，用于训练BiLSTM和CRF模块。与现有长文本信息立场检测方法相比，本发明通过创新文本分割过程，解决RoBERTa模型对文本长度的限制问题，使其可更关注全局信息，避免因文本长度限制导致的局部信息丢失；通过基于半监督学习的关键句标注，提高模型的可解释性，并抑制长文本噪声对模型最终预测的干扰。