CN111368124A - 风险识别方法、风险识别装置和电子设备 - Google Patents

风险识别方法、风险识别装置和电子设备 Download PDF

Info

Publication number
CN111368124A
CN111368124A CN202010127845.2A CN202010127845A CN111368124A CN 111368124 A CN111368124 A CN 111368124A CN 202010127845 A CN202010127845 A CN 202010127845A CN 111368124 A CN111368124 A CN 111368124A
Authority
CN
China
Prior art keywords
information
risk identification
determining
risk
result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010127845.2A
Other languages
English (en)
Other versions
CN111368124B (zh
Inventor
徐宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010127845.2A priority Critical patent/CN111368124B/zh
Publication of CN111368124A publication Critical patent/CN111368124A/zh
Application granted granted Critical
Publication of CN111368124B publication Critical patent/CN111368124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/34—Browsing; Visualisation therefor
    • G06F16/345—Summarisation for human users
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了风险识别方法、风险识别装置和电子设备，涉及数据处理领域。具体实现方案为：通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；根据所述关键字，确定风险识别结果；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率。

Description

风险识别方法、风险识别装置和电子设备
技术领域
本申请涉及计算机技术领域中的数据处理技术，尤其涉及一种风险识别方法、风险识别装置和电子设备。
背景技术
在当前信息爆炸的时代，信息真伪难辨，用户对于生活中遇到的信息，例如，从网络中获取的信息、通过短信接收到的信息、或者街边传单上的信息等等，由于用户认知的局限，不能识别出信息存在的风险，用户可能会在在电子设备上输入信息，然后利用电子设备对信息进行查询，根据电子设备反馈的结果确定信息的风险。由于查询时电子设备需要用户手动输入信息，操作繁琐，风险识别效率低。
发明内容
本申请实施例提供一种风险识别方法、风险识别装置和电子设备，以解决电子设备对信息进行风险识别时，用户需要手动输入信息，操作繁琐，风险识别效率低的问题。
为解决上述技术问题，本申请是这样实现的：
本申请第一方面提供一种风险识别方法，应用于电子设备，包括：
通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；
从所述待识别文字信息中获取关键字；
根据所述关键字，确定风险识别结果；
根据所述风险识别结果，显示提示信息。
进一步的，所述根据所述关键字，确定风险识别结果，包括：
根据所述关键字进行网络搜索，获得搜索结果；
根据所述搜索结果，确定风险识别结果。
进一步的，所述根据所述搜索结果，确定风险识别结果，包括：
根据所述网络搜索对所述搜索结果确定的排序顺序，获得排序在前的N条搜索结果，所述N为正整数；
分别将所述N条搜索结果中各搜索结果的第一摘要信息与所述待识别文字信息的第二摘要信息进行文本相似度匹配，获得N个匹配值；
对所述N个匹配值从大到小排序，将排序在前的M个匹配值所对应的搜索结果作为M个目标搜索结果，所述M为小于或等于N的正整数；
获取所述M个目标搜索结果的Q条评论信息，所述Q为正整数；
根据所述Q条评论信息，确定风险识别结果。
进一步的，所述根据所述Q条评论信息，确定风险识别结果，包括：
确定所述Q条评论信息中各评论信息的情感倾向，所述情感倾向包括正向倾向、中性倾向和负向倾向中的至少一项；
计算所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值；
根据所述第一占比值和所述第二占比值，确定风险识别结果。
进一步的，在所述从所述待识别文字信息中获取关键字之后，所述根据所述关键字进行网络搜索，获得搜索结果之前，还包括：
将所述关键字与预获取的第一数据集中的第一信息进行匹配，获得匹配结果；所述第一数据集包括第一信息，以及所述第一信息对应的风险信息；
所述根据所述关键字进行网络搜索，获得搜索结果，包括：
若所述匹配结果为匹配失败，根据所述关键字进行网络搜索，获得搜索结果。
进一步的，所述线索信息还包括地理位置信息；
所述根据所述关键字，确定风险识别结果，包括：
将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；
其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息。
本申请第二方面提供一种风险识别装置，包括：
第一获取模块，用于通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；
第二获取模块，用于从所述待识别文字信息中获取关键字；
确定模块，用于根据所述关键字，确定风险识别结果；
显示模块，用于根据所述风险识别结果，显示提示信息。
进一步的，所述确定模块，包括：
获取子模块，用于根据所述关键字进行网络搜索，获得搜索结果；
确定子模块，用于根据所述搜索结果，确定风险识别结果。
进一步的，所述确定子模块，包括：
排序单元，用于根据所述网络搜索对所述搜索结果确定的排序顺序，获得排序在前的N条搜索结果，所述N为正整数；
第一获取单元，用于分别将所述N条搜索结果中各搜索结果的第一摘要信息与所述待识别文字信息的第二摘要信息进行文本相似度匹配，获得N个匹配值；
第二获取单元，用于对所述N个匹配值从大到小排序，将排序在前的M个匹配值所对应的搜索结果作为M个目标搜索结果，所述M为小于或等于N的正整数；
第三获取单元，用于获取所述M个目标搜索结果的Q条评论信息，所述Q为正整数；
确定单元，用于根据所述Q条评论信息，确定风险识别结果。
进一步的，所述确定单元，用于：
确定所述Q条评论信息中各评论信息的情感倾向，所述情感倾向包括正向倾向、中性倾向和负向倾向中的至少一项；
计算所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值；
根据所述第一占比值和所述第二占比值，确定风险识别结果。
进一步的，还包括：
匹配模块，用于将所述关键字与预获取的第一数据集中的第一信息进行匹配，获得匹配结果；所述第一数据集包括第一信息，以及所述第一信息对应的风险信息；
所述获取子模块，用于：
若所述匹配结果为匹配失败，根据所述关键字进行网络搜索，获得搜索结果。
进一步的，所述线索信息还包括地理位置信息；
所述确定模块，用于将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；
其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息。
本申请第三方面提供一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
本申请第四方面提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面所述的方法。
上述申请中的一个实施例具有如下优点或有益效果：
通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；根据所述关键字，确定风险识别结果；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率。用户可通过电子设备的摄像头对目标对象进行扫描，通过电子设备对目标对象进行风险识别，获得提示信息，以降低用户自身合法权益的损害。
另外，通过在网络上搜索与待识别文字信息关联性大(根据匹配值确定，匹配值越大，关联性越强)的目标搜索结果，并根据目标搜索结果的评论信息来确定风险识别结果，可以提高对待识别文字信息进行风险识别的准确性。
根据所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值，来确定风险识别结果，可以提高对待识别文字信息进行风险识别的准确性。
通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；根据所述关键字进行网络搜索，获得搜索结果；根据所述搜索结果，确定风险识别结果；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率，同时，通过进行网络搜索，根据搜索结果来确定风险识别结果，可提高风险识别的准确性。
在获取到待识别文字信息的关键字之后，首先将关键字与第一数据集的第一信息进行匹配，在匹配不成功的情况下，再根据关键字进行搜索，获得搜索结果，可提高风险识别的效率和准确性。
通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的风险识别方法的流程图之一；
图2是本申请实施例提供的风险识别方法的流程图之二；
图3是本申请实施例提供的风险识别方法的流程图之三；
图4是本申请实施例提供的提示信息的示意图；
图5是本申请实施例提供的风险识别装置的结构图；
图6是用来实现本申请实施例的风险识别方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
参见图1，图1是本申请实施例提供的风险识别方法的流程图之一，如图1所示，本实施例提供一种风险识别方法，应用于电子设备，包括以下步骤：
步骤101、通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息。
在通过电子设备的摄像头获取线索信息时，可通过摄像头对目标对象进行扫描或者拍照，从扫描过程中获取线索信息，或者从拍照获得的图像中获取线索信息。可在电子设备的拍照模式下新增一个线索模式，通过线索模式打开摄像头，然后对目标对象进行扫描或者拍照，电子设备获取线索信息。
目标对象可为文本和图像中的至少一种。待识别文字信息包括文字。
步骤102、从所述待识别文字信息中获取关键字。
从待识别文字信息中提取出关键字，关键字可包括一个或多个关键字。在提取关键字时，可采用同构wordrank算法或者TF_IDF算法进行提取，在此不做限定。
步骤103、根据所述关键字，确定风险识别结果。
风险识别结果可根据实际情况进行设置，例如，设置多个风险等级，分别为低风险、中风险和高风险，风险识别结果为多个风险等级中的一个。根据关键字本身包含的含义，来确定风险识别结果，例如关键字包括“高息”、“贷款”等时，可确定存在较大风险，风险识别结果为高风险。或者风险识别结果为一个得分值，得分值越高，风险越大。风险识别结果的具体表达方式可根据实际情况进行设置，在此不做限定。
根据关键字在电子设备本地存储的数据集中进行搜索，若数据集中有记录，那么可根据数据集中的记录的风险等级，对待识别文字信息的风险进行判定；还可根据关键字在网络上进行搜索，根据网络搜索结果来确定风险识别结果。
步骤104、根据所述风险识别结果，显示提示信息。
提示信息可包括风险识别结果，进一步还可包括待识别文字信息，以提示用户待识别文字信息的风险情况。如图4所示为本实施例提供的一种提示信息，图4中包括识别内容(即待识别文字信息)、综合风险指数(即风险识别结果)和风险点，以为用户提示风险情况，降低用户经济损失。
本实施例中，通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；根据所述关键字，确定风险识别结果；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率。用户可通过电子设备的摄像头对目标对象进行扫描，通过电子设备对目标对象进行风险识别，获得提示信息，以降低用户自身合法权益的损害。
参见图2，图2是本申请实施例提供的风险识别方法的流程图之二，如图2所示，本实施例提供一种风险识别方法，应用于电子设备，包括以下步骤：
步骤201、通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息。
在通过电子设备的摄像头获取线索信息时，可通过摄像头对目标对象进行扫描或者拍照，从扫描过程中获取线索信息，或者从拍照获得的图像中获取线索信息。目标对象可为文本和图像中的至少一种。待识别文字信息包括文字。
步骤202、从所述待识别文字信息中获取关键字。
从待识别文字信息中提取出关键字，关键字可包括一个或多个关键字。
步骤203、根据所述关键字进行网络搜索，获得搜索结果。
可通过电子设备上按照的浏览器来根据关键字在网络上进行搜索，获得搜索结果，搜索结果为根据网络搜索获得的一条或多条搜索信息。
步骤204、根据所述搜索结果，确定风险识别结果。
风险识别结果可根据实际情况进行设置，例如，设置多个风险等级，分别为低风险、中风险和高风险，风险识别结果为多个风险等级中的一个。
在本申请一个实施例中，所述根据所述搜索结果，确定风险识别结果，包括：
根据所述网络搜索对所述搜索结果确定的排序顺序，获得排序在前的N条搜索结果，所述N为正整数；
分别将所述N条搜索结果中各搜索结果的第一摘要信息与所述待识别文字信息的第二摘要信息进行文本相似度匹配，获得N个匹配值；
对所述N个匹配值从大到小排序，将排序在前的M个匹配值所对应的搜索结果作为M个目标搜索结果，所述M为小于或等于N的正整数；
获取所述M个目标搜索结果的Q条评论信息，所述Q为正整数；
根据所述Q条评论信息，确定风险识别结果。
在本实施例中，电子设备可根据关键字通过浏览器在网络上进行搜索，会获得多条搜索结果。网络搜索时，搜索引擎会对搜索结果进行排序，例如，根据多条搜索结果中与关键字的相关性大小对各搜索结果进行排序，相关性越大的，搜索结果的排序越靠前，这个排列顺序也是多条搜索结果在浏览器上的显示顺序。
在本实施例中，根据网络搜索对搜索结果确定的排序顺序，获得排序在前的N条搜索结果。获取N条搜索结果中各搜索结果的第一摘要信息，并将第一摘要信息与待识别文字信息的第二摘要信息进行文本相似度匹配，获得N个匹配值。从搜索结果中提取第一摘要信息时，具体可通过textrank算法将搜索结果中的第一摘要信息提取出来，第一摘要信息的字数可根据实际情况进行设置。同样的，从待识别文字信息中提取第二摘要信息时，具体可通过textrank算法将待识别文字信息中的第二摘要信息提取出来，第二摘要信息的字数可根据实际情况进行设置。
对N个匹配值从大到小进行排序，将排序在前的M个匹配值所对应的搜索结果作为M个目标搜索结果。将N条搜索结果的第一搜索结果的第一摘要信息，与第二摘要信息进行文本相似度匹配，获得第一匹配值，那么第一匹配值对应的搜索结果就是第一搜索结果。
获取所述M个目标搜索结果的Q条评论信息，每个目标搜索结果可能有一条或多条评论信息，也可能没有评论信息。评论信息为用户对对应的目标搜索结果的评价，可根据这Q条评论信息，确定风险识别结果。
另外，除了目标搜索结果的评论信息，还可以综合目标搜索结果的浏览数量、评价数量、推荐指数和分享次数中的一项或多项，来确定风险识别结果。
本实施例中，通过在网络上搜索与待识别文字信息关联性大(根据匹配值确定，匹配值越大，关联性越强)的目标搜索结果，并根据目标搜索结果的评论信息来确定风险识别结果，可以提高对待识别文字信息进行风险识别的准确性。
进一步的，在根据所述Q条评论信息，确定风险识别结果之后，还包括：将所述线索信息和所述风险识别结果存储至第一数据集中。
在本申请一个实施例中，所述根据所述Q条评论信息，确定风险识别结果，包括：
确定所述Q条评论信息中各评论信息的情感倾向，所述情感倾向包括正向倾向、中性倾向和负向倾向中的至少一项；
计算所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值；
根据所述第一占比值和所述第二占比值，确定风险识别结果。
在本实施例中，对Q条评论信息中各评论信息的情感倾向进行分析，确定各评论信息的情感倾向，所述情感倾向包括正向倾向、中性倾向和负向倾向中的至少一项。计算所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值，根据所述第一占比值和所述第二占比值，确定风险识别结果。例如，若第一占比值小于第二占比值，则确定风险识别结果为高风险；若第一占比值不小于第二占比值，则确定风险识别结果为低风险。
或者，在第一占比值大于第二占比值的情况下，若第一占比值不小于第一预设阈值，则确定风险识别结果为低风险；若第一占比值不小于第二预设阈值且小于第一预设阈值，则确定风险识别结果为中风险；若第一占比值小于第二预设阈值，则确定风险识别结果为高风险。第一预设阈值大于第二预设阈值，第一预设阈值和第二预设阈值的大小具体可根据实际情况进行设置，在此不做限定。
本实施例中，根据所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值，来确定风险识别结果，可以提高对待识别文字信息进行风险识别的准确性。
步骤205、根据所述风险识别结果，显示提示信息。
提示信息可包括风险识别结果，进一步还可包括待识别文字信息，以提示用户待识别文字信息的风险情况。如图4所示为本实施例提供的一种提示信息，图4中包括识别内容(即待识别文字信息)、综合风险指数(即风险识别结果)和风险点，以为用户提示风险情况，降低用户经济损失。
本实施例中，通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；根据所述关键字进行网络搜索，获得搜索结果；根据所述搜索结果，确定风险识别结果；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率，同时，通过进行网络搜索，根据搜索结果来确定风险识别结果，可提高风险识别的准确性。
在本申请一个实施例中，在步骤202、从所述待识别文字信息中获取关键字之后，步骤203、根据所述关键字进行搜索，获得搜索结果之前，还包括：
将所述关键字与预获取的第一数据集中的第一信息进行匹配，获得匹配结果；所述第一数据集包括第一信息，以及所述第一信息对应的风险信息；
所述根据所述关键字进行搜索，获得搜索结果，包括：
若所述匹配结果为匹配失败，根据所述关键字进行搜索，获得所述搜索结果。
本实施例中，第一数据集可存储在电子设备本地，也可存储在服务器上，第一数据集中存储有第一信息，以及第一信息对应的风险信息。在获取到关键字后，将关键字与第一信息进行匹配，若匹配成功，则将第一信息对应的风险信息作为待识别文字信息的风险识别结果。若匹配不成功，则进一步的根据关键字进行搜索，获得搜索结果。
本实施例中，在获取到待识别文字信息的关键字之后，首先将关键字与第一数据集的第一信息进行匹配，在匹配不成功的情况下，再根据关键字进行搜索，获得搜索结果，可提高风险识别的效率和准确性。
参见图3，图3是本申请实施例提供的风险识别方法的流程图之三，如图3所示，本实施例提供一种风险识别方法，应用于电子设备，包括以下步骤：
步骤301、通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息和地理位置信息。
在通过电子设备的摄像头获取线索信息时，可通过摄像头对目标对象进行扫描或者拍照，从扫描过程中获取线索信息，或者从拍照获得的图像中获取线索信息。目标对象可为文本和图像中的至少一种。待识别文字信息包括文字。
通过摄像头还可以获取到地理位置信息，地理位置信息可以是摄像头扫描时所在的地理位置信息，或者若摄像头扫描的是图片，从图片的属性中获取地理位置信息。
步骤302、从所述待识别文字信息中获取关键字。
从待识别文字信息中提取出关键字，关键字可包括一个或多个关键字。
步骤303、将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息。
步骤303为步骤103的一种具体实现方式。第二数据集可存储在电子设备本地，也可存储在服务器上。第二数据集为与地理位置信息对应的数据集。例如，电子设备本地上存储有多个数据集，这多个数据集根据地理位置进行分类，例如，若所述地理位置信息为A市，则第二数据集中存储的信息也与地理位置信息有关，例如，获取信息时的地理位置信息为A市，或者信息中描述的位置为A市等，在此不做限定。
在获取到地理位置信息之后，根据地理位置信息获取对应的第二数据集，然后将关键字与第二数据集中的信息进行匹配，若匹配成功，将第二数据集中匹配成功的第二信息对应的风险信息确定为所述风险识别结果。
进一步的，在将所述第二信息对应的风险信息确定为所述风险识别结果之后，还包括：将所述线索信息和所述风险识别结果存储至第二数据集中。
步骤304、根据所述风险识别结果，显示提示信息。
提示信息可包括风险识别结果，进一步还可包括待识别文字信息，以提示用户待识别文字信息的风险情况。如图4所示为本实施例提供的一种提示信息，图4中包括识别内容(即待识别文字信息)、综合风险指数(即风险识别结果)和风险点，以为用户提示风险情况，降低用户经济损失。
本实施例中，通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率。
参见图5，图5是本申请实施例提供的风险识别装置的结构图，如图5所示，本实施例提供一种风险识别装置500，包括：
第一获取模块501，用于通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；
第二获取模块502，用于从所述待识别文字信息中获取关键字；
确定模块503，用于根据所述关键字，确定风险识别结果；
显示模块504，用于根据所述风险识别结果，显示提示信息。
进一步的，所述确定模块503，包括：
获取子模块，用于根据所述关键字进行网络搜索，获得搜索结果；
确定子模块，用于根据所述搜索结果，确定风险识别结果。
进一步的，所述确定子模块，包括：
排序单元，用于根据所述网络搜索对所述搜索结果确定的排序顺序，获得排序在前的N条搜索结果，所述N为正整数；
第一获取单元，用于分别将所述N条搜索结果中各搜索结果的第一摘要信息与所述待识别文字信息的第二摘要信息进行文本相似度匹配，获得N个匹配值；
第二获取单元，用于对所述N个匹配值从大到小排序，将排序在前的M个匹配值所对应的搜索结果作为M个目标搜索结果，所述M为小于或等于N的正整数；
第三获取单元，用于获取所述M个目标搜索结果的Q条评论信息，所述Q为正整数；
确定单元，用于根据所述Q条评论信息，确定风险识别结果。
进一步的，所述确定单元，用于：
确定所述Q条评论信息中各评论信息的情感倾向，所述情感倾向包括正向倾向、中性倾向和负向倾向中的至少一项；
计算所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值；
根据所述第一占比值和所述第二占比值，确定风险识别结果。
进一步的，风险识别装置500还包括：
匹配模块，用于将所述关键字与预获取的第一数据集中的第一信息进行匹配，获得匹配结果；所述第一数据集包括第一信息，以及所述第一信息对应的风险信息；
所述获取子模块，用于：
若所述匹配结果为匹配失败，根据所述关键字进行网络搜索，获得搜索结果。
进一步的，所述线索信息还包括地理位置信息；
所述确定模块503，用于将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；
其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息。
风险识别装置500能够实现图1-图3所示的方法实施例中电子设备实现的各个过程，为避免重复，这里不再赘述。
本申请实施例的风险识别装置500，通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；根据所述关键字，确定风险识别结果；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例的风险识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的风险识别设备)上风险识别GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的风险识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的风险识别方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的风险识别方法对应的程序指令/模块(例如，附图5所示的第一获取模块501、第二获取模块502、确定模块503和显示模块504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的风险识别方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实现风险识别方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至实现风险识别方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现风险识别方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与实现风险识别方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括风险识别设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该风险识别设备可以包括但不限于，液晶风险识别器(LCD)、发光二极管(LED)风险识别器和等离子体风险识别器。在一些实施方式中，风险识别设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户风险识别信息的风险识别装置(例如，CRT(阴极射线管)或者LCD(液晶风险识别器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；根据所述关键字，确定风险识别结果；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率。用户可通过电子设备的摄像头对目标对象进行扫描，通过电子设备对目标对象进行风险识别，获得提示信息，以降低用户自身合法权益的损害。
另外，通过在网络上搜索与待识别文字信息关联性大(根据匹配值确定，匹配值越大，关联性越强)的目标搜索结果，并根据目标搜索结果的评论信息来确定风险识别结果，可以提高对待识别文字信息进行风险识别的准确性。
根据所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值，来确定风险识别结果，可以提高对待识别文字信息进行风险识别的准确性。
通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；根据所述关键字进行网络搜索，获得搜索结果；根据所述搜索结果，确定风险识别结果；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率，同时，通过进行网络搜索，根据搜索结果来确定风险识别结果，可提高风险识别的准确性。
在获取到待识别文字信息的关键字之后，首先将关键字与第一数据集的第一信息进行匹配，在匹配不成功的情况下，再根据关键字进行搜索，获得搜索结果，可提高风险识别的效率和准确性。
通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；从所述待识别文字信息中获取关键字；将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息；根据所述风险识别结果，显示提示信息。电子设备通过摄像头获取线索信息，无需用户手动输入，可简化用户操作，提高风险识别效率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种风险识别方法，应用于电子设备，其特征在于，包括：
通过所述电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；
从所述待识别文字信息中获取关键字；
根据所述关键字，确定风险识别结果；
根据所述风险识别结果，显示提示信息。
2.根据权利要求1所述的风险识别方法，其特征在于，所述根据所述关键字，确定风险识别结果，包括：
根据所述关键字进行网络搜索，获得搜索结果；
根据所述搜索结果，确定风险识别结果。
3.根据权利要求2所述的风险识别方法，其特征在于，所述根据所述搜索结果，确定风险识别结果，包括：
根据所述网络搜索对所述搜索结果确定的排序顺序，获得排序在前的N条搜索结果，所述N为正整数；
分别将所述N条搜索结果中各搜索结果的第一摘要信息与所述待识别文字信息的第二摘要信息进行文本相似度匹配，获得N个匹配值；
对所述N个匹配值从大到小排序，将排序在前的M个匹配值所对应的搜索结果作为M个目标搜索结果，所述M为小于或等于N的正整数；
获取所述M个目标搜索结果的Q条评论信息，所述Q为正整数；
根据所述Q条评论信息，确定风险识别结果。
4.根据权利要求3所述的风险识别方法，其特征在于，所述根据所述Q条评论信息，确定风险识别结果，包括：
确定所述Q条评论信息中各评论信息的情感倾向，所述情感倾向包括正向倾向、中性倾向和负向倾向中的至少一项；
计算所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值；
根据所述第一占比值和所述第二占比值，确定风险识别结果。
5.根据权利要求2所述的风险识别方法，其特征在于，在所述从所述待识别文字信息中获取关键字之后，所述根据所述关键字进行网络搜索，获得搜索结果之前，还包括：
将所述关键字与预获取的第一数据集中的第一信息进行匹配，获得匹配结果；所述第一数据集包括第一信息，以及所述第一信息对应的风险信息；
所述根据所述关键字进行网络搜索，获得搜索结果，包括：
若所述匹配结果为匹配失败，根据所述关键字进行网络搜索，获得搜索结果。
6.根据权利要求1所述的风险识别方法，所述线索信息还包括地理位置信息；
所述根据所述关键字，确定风险识别结果，包括：
将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；
其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息。
7.一种风险识别装置，其特征在于，包括：
第一获取模块，用于通过电子设备的摄像头获取线索信息，线索信息包括待识别文字信息；
第二获取模块，用于从所述待识别文字信息中获取关键字；
确定模块，用于根据所述关键字，确定风险识别结果；
显示模块，用于根据所述风险识别结果，显示提示信息。
8.根据权利要求7所述的风险识别装置，其特征在于，所述确定模块，包括：
获取子模块，用于根据所述关键字进行网络搜索，获得搜索结果；
确定子模块，用于根据所述搜索结果，确定风险识别结果。
9.根据权利要求8所述的风险识别装置，其特征在于，所述确定子模块，包括：
排序单元，用于根据所述网络搜索对所述搜索结果确定的排序顺序，获得排序在前的N条搜索结果，所述N为正整数；
第一获取单元，用于分别将所述N条搜索结果中各搜索结果的第一摘要信息与所述待识别文字信息的第二摘要信息进行文本相似度匹配，获得N个匹配值；
第二获取单元，用于对所述N个匹配值从大到小排序，将排序在前的M个匹配值所对应的搜索结果作为M个目标搜索结果，所述M为小于或等于N的正整数；
第三获取单元，用于获取所述M个目标搜索结果的Q条评论信息，所述Q为正整数；
确定单元，用于根据所述Q条评论信息，确定风险识别结果。
10.根据权利要求9所述的风险识别装置，其特征在于，所述确定单元，用于：
确定所述Q条评论信息中各评论信息的情感倾向，所述情感倾向包括正向倾向、中性倾向和负向倾向中的至少一项；
计算所述Q条评论信息的情感倾向中所述正向倾向的第一占比值，以及所述Q条评论信息的情感倾向中所述负向倾向的第二占比值；
根据所述第一占比值和所述第二占比值，确定风险识别结果。
11.根据权利要求8所述的风险识别装置，其特征在于，还包括：
匹配模块，用于将所述关键字与预获取的第一数据集中的第一信息进行匹配，获得匹配结果；所述第一数据集包括第一信息，以及所述第一信息对应的风险信息；
所述获取子模块，用于：
若所述匹配结果为匹配失败，根据所述关键字进行网络搜索，获得搜索结果。
12.根据权利要求7所述的风险识别装置，所述线索信息还包括地理位置信息；
所述确定模块，用于将所述关键字与根据所述地理位置信息确定的第二数据集中的信息进行匹配，若所述关键字与所述第二数据集中的第二信息匹配成功，则将所述第二信息对应的风险信息确定为所述风险识别结果；
其中，所述数据集包括所述第二信息以及所述第二信息对应的风险信息。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
CN202010127845.2A 2020-02-28 2020-02-28 风险识别方法、风险识别装置和电子设备 Active CN111368124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010127845.2A CN111368124B (zh) 2020-02-28 2020-02-28 风险识别方法、风险识别装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010127845.2A CN111368124B (zh) 2020-02-28 2020-02-28 风险识别方法、风险识别装置和电子设备

Publications (2)

Publication Number Publication Date
CN111368124A true CN111368124A (zh) 2020-07-03
CN111368124B CN111368124B (zh) 2023-05-26

Family

ID=71206322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010127845.2A Active CN111368124B (zh) 2020-02-28 2020-02-28 风险识别方法、风险识别装置和电子设备

Country Status (1)

Country Link
CN (1) CN111368124B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8180713B1 (en) * 2007-04-13 2012-05-15 Standard & Poor's Financial Services Llc System and method for searching and identifying potential financial risks disclosed within a document
CN108564087A (zh) * 2018-04-13 2018-09-21 腾讯科技（深圳）有限公司 小广告的风险识别方法、装置、终端及存储介质
CN109447469A (zh) * 2018-10-30 2019-03-08 阿里巴巴集团控股有限公司 一种文本检测方法、装置及设备
CN109582791A (zh) * 2018-11-13 2019-04-05 阿里巴巴集团控股有限公司 文本的风险识别方法及装置
CN109902288A (zh) * 2019-01-17 2019-06-18 深圳壹账通智能科技有限公司 智能条款分析方法、装置、计算机设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8180713B1 (en) * 2007-04-13 2012-05-15 Standard & Poor's Financial Services Llc System and method for searching and identifying potential financial risks disclosed within a document
CN108564087A (zh) * 2018-04-13 2018-09-21 腾讯科技（深圳）有限公司 小广告的风险识别方法、装置、终端及存储介质
CN109447469A (zh) * 2018-10-30 2019-03-08 阿里巴巴集团控股有限公司 一种文本检测方法、装置及设备
CN109582791A (zh) * 2018-11-13 2019-04-05 阿里巴巴集团控股有限公司 文本的风险识别方法及装置
CN109902288A (zh) * 2019-01-17 2019-06-18 深圳壹账通智能科技有限公司 智能条款分析方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王平 等: "P2P负面口碑特征属性挖掘与风险知识识别模型" *

Also Published As

Publication number Publication date
CN111368124B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN111125435B (zh) 视频标签的确定方法、装置和计算机设备
CN111782977B (zh) 兴趣点处理方法、装置、设备及计算机可读存储介质
CN111625635A (zh) 问答处理、语言模型的训练方法、装置、设备及存储介质
CN111967262A (zh) 实体标签的确定方法和装置
CN111949814A (zh) 搜索方法、装置、电子设备和存储介质
CN111737501B (zh) 一种内容推荐方法及装置、电子设备、存储介质
CN112487242A (zh) 用于识别视频的方法、装置、电子设备及可读存储介质
CN112084150B (zh) 模型训练、数据检索方法，装置，设备以及存储介质
CN111984774B (zh) 搜索方法、装置、设备以及存储介质
CN111309200A (zh) 一种扩展阅读内容的确定方法、装置、设备及存储介质
CN111666417B (zh) 生成同义词的方法、装置、电子设备以及可读存储介质
CN111090991A (zh) 场景纠错方法、装置、电子设备和存储介质
CN111309872B (zh) 搜索处理方法、装置及设备
CN113127669B (zh) 广告配图方法、装置、设备和存储介质
CN111737966A (zh) 文档重复度检测方法、装置、设备和可读存储介质
CN111385188A (zh) 对话元素的推荐方法、装置、电子设备和介质
CN111984876B (zh) 兴趣点处理方法、装置、设备及计算机可读存储介质
CN111949820B (zh) 视频关联兴趣点的处理方法、装置及电子设备
CN111259058B (zh) 数据挖掘方法、数据挖掘装置和电子设备
CN112699314A (zh) 热点事件确定方法、装置、电子设备及存储介质
CN112052390A (zh) 一种资源筛选方法、装置、电子设备及存储介质
CN111523036B (zh) 一种搜索行为挖掘方法、装置和电子设备
CN111368124B (zh) 风险识别方法、风险识别装置和电子设备
CN112541710B (zh) 搜索产品质量评估方法、装置、电子设备及存储介质
CN112101012B (zh) 互动领域确定方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant