针对抄袭评论的召回，我们使用Min Hash与LSH结合的方式，预先构建抄袭文本词典和倒排索引，哪怕与词典中评论有几字的差别，也可以较快较好地召回，图中是Min Hash & LSH以及其倒排索引构建的过程。
③ 提升攻击歌手歌曲评论的召回
攻击歌手歌曲的评论是一些负面性情感的评论，我们通过构建情感分析模块来处理它们。考虑到情感分析任务的复杂性，音乐评论中有较多情绪并没那么强烈，或是句式结构较复杂的文本，因此我们将此部分从质量模型里面分离开来，单独去构建一个模块。这个模块主要分为评价类分类和感情极性分类两个子模块。
评价类分类模块主要用于判断某评论是不是在评价当前对象（歌手或歌曲）。比如“天气让人心烦”是一条负面性的评论，但它并不是在攻击歌手歌曲，并不需要召回；而“唱得让人心烦”就是典型的一条攻击歌手歌曲的评论，需要模型召回。评价类分类模块就主要起到一个初筛的作用。
然后就是情感极性分类模块，它用于判断句子的情感极性是正向、中立还是负向。
对于评价类分类模型的实现，我们是用BERT进行编码，并且在Embedding层融入歌手歌曲实体信息。例如“DT很不错哦。”、“热狗真棒”这类评论，需要告知模型“DT”、“热狗”为歌手实体，使得模型能正确地召回。
