摘要
本发明公开了一种基于阅读理解的违规数据检测方法，涉及自然语言处理和人工智能技术领域。包括：获取包含仇恨言论的多模态数据，多模态数据包括语音数据和文本数据；利用语音识别系统将语音数据转换为文本数据，得到文本内容；利用大语言模型的思维链提示生成文本内容的逐步推理解释，根据文本内容的逐步推理解释得到初步预测类别标签；基于得到的文本内容的逐步推理解释，再次利用大语言模型生成最终预测类别标签；根据最终预测类别标签生成训练数据；利用训练数据对违规文本分类模型进行训练，得到训练后的检测结果。本发明显著提高了对隐晦、复杂违规言论的检测准确性。
