腾讯抗黑灰产——自监督发现行话黑词识别一词多义

本文做者：lorenzwang ，腾讯 TEG 安全工程师php 常见的中文 NLP 下游任务通常都是以分词做为起点（以 transformer 为核心的算法除外），对每一个词取 embedding，做为模型的输入。不过在黑灰产领域，这种处理方法有一个问题：大量的黑话/黑词对于下游任务很是有效，但却不在通用的词典中，致使分词器没法准确切分出对应的词。好比，今年 315 晚会曝光的“714 ”，再好

>>阅读原文<<