1.一种零样本立场检测模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的零样本立场检测模型的构建方法，其特征在于，在对所述主题名称和文本内容进行融合编码的步骤中：
3.根据权利要求2所述的零样本立场检测模型的构建方法，其特征在于，所述根据对抗学习的域转移结构从所述主题向量和文本向量中提取话题不变特征，并对所述话题不变特征进行线性变换，以得到线性变换特征的步骤包括：
4.根据权利要求3所述的零样本立场检测模型的构建方法，其特征在于，所述根据对抗学习的域转移结构从所述主题向量和文本向量中提取话题不变特征，并对所述话题不变特征进行线性变换，以得到线性变换特征的步骤包括：
5.根据权利要求4所述的零样本立场检测模型的构建方法，其特征在于，所述将所述线性变换特征和所述融合向量进行拼接，得到拼接特征，以将拼接特征输入到立场分类器，所述线性变换特征输入到话题鉴别器进行零样本立场模型的训练的步骤包括：
6.根据权利要求5所述的零样本立场检测模型的构建方法，其特征在于，单独对抗模式的损失记为：
7.根据权利要求6所述的零样本立场检测模型的构建方法，其特征在于，所述采用控制调度的超参数调度零样本立场模型在训练阶段不同的模式，以使得零样本立场模型在不同模式的动态调整中训练的步骤包括：
8.一种零样本立场模型的构建系统，其特征在于，所述系统包括：
9.一种存储介质，其特征在于，包括：所述存储介质存储一个或多个程序，该程序被处理器执行时实现如权利要求1-7任一所述的零样本立场检测模型的构建方法。
10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，其中：