CN112347779A - 一种涉密文本密级自动判定的方法和装置 - Google Patents
一种涉密文本密级自动判定的方法和装置 Download PDFInfo
- Publication number
- CN112347779A CN112347779A CN202011321141.5A CN202011321141A CN112347779A CN 112347779 A CN112347779 A CN 112347779A CN 202011321141 A CN202011321141 A CN 202011321141A CN 112347779 A CN112347779 A CN 112347779A
- Authority
- CN
- China
- Prior art keywords
- words
- classified
- word
- confidential
- secret
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000013145 classification model Methods 0.000 claims abstract description 59
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 16
- 230000003247 decreasing effect Effects 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 5
- 239000013598 vector Substances 0.000 description 34
- 239000011159 matrix material Substances 0.000 description 18
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 241000219315 Spinacia Species 0.000 description 2
- 235000009337 Spinacia oleracea Nutrition 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种涉密文本密级自动判定的方法和装置。包括:获取待分类文本;将所述待分类文本输入至涉密等级分类模型,经所述涉密等级分类模型输出所述待分类文本的涉密等级,其中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得。本公开实施例能够利用预先训练好的涉密等级分类模型对待分类的文本进行自动的分类,相较于传统的人工定密方式,本公开实施例具有定密速度快,定密准确度高的有益效果。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及一种涉密文本密级自动判定的方法和装置。
背景技术
涉密文本,关系国家或企业的安全和利益,因此,对涉密文本密级的确定十分重要。相关技术中,对文本密级的定密流程包括:先由文件撰写人提出定密或不定密的意见,再由技术负责人审查、技术领导审核、最后由定密责任人确定。相关技术中定密工作耗费大量的人力、物力,且定解密依赖个人主观判断,导致定密结果不够准确和统一。
发明内容
为克服相关技术中存在的问题,本公开提供一种涉密文本密级自动判定的方法和装置。
根据本公开实施例的第一方面,提供一种涉密文本密级自动判定的方法,包括:
获取待分类文本;
将所述待分类文本输入至涉密等级分类模型,经所述涉密等级分类模型输出所述待分类文本的涉密等级,其中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得。
在一种可能的实现方式中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得,包括:
获取语句样本集合,所述语句样本集合包括多个标注有涉密等级的语句样本;
分别对所述语句样本进行分词处理,得到多个词语;
构建涉密等级分类模型组件,所述涉密等级分类模型组件中设置有训练参数;
分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果;
基于所述预测结果与标注的所述语句样本的涉密等级之间的差异,对所述训练参数进行迭代调整,直至所述差异满足预设要求。
在一种可能的实现方式中,所述涉密等级分类模型包括卷积神经网络,所述分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果,包括:
将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述语句样本的多个词语的词语权重;
基于所述词语权重,利用卷积算法对所述语句样本的多个词语进行特征提取,得到所述语句样本的特征数据;
根据所述特征数据确定所述语句样本的预测结果。
在一种可能的实现方式中,所述语句样本的多个词语的词语权重被设置成按照下述方式获得:
在所述语句样本的多个词语中,若目标词语与所述涉密词语集合中的涉密词语相匹配,则所述词语的初始值设置为1;
若目标词语与所述涉密词语集合中的涉密词语不匹配,则所述词语的初始值设置为0;
按照所述目标词语在所述语句样本中出现的先后顺序,排列所述目标词语对应的初始值,得到所述语句样本的多个词语的词语权重。
在一种可能的实现方式中,所述涉密等级分类模型包括卷积神经网络,所述分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果,包括:
将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识;
将所述多个词语与与其对应的位置标识相拼接,利用卷积算法对拼接后的所述多个词语进行特征提取,得到所述语句样本的特征数据;
根据所述特征数据确定所述语句样本的预测结果。
在一种可能的实现方式中,所述语句样本的多个词语的位置标识被设置成按照下述方式获得:
在所述多个词语中,若目标词语与预设的涉密词语集合中的涉密词语相匹配,则设置所述目标词语位置标识的数值为预设值;
按照其它词语与所述目标词语之间的位置距离由近到远的顺序,依次在所述预设值上递减或递加预设长度,以确定所述其它词语位置标识的数值,其中位于所述词语左侧的词语依次递减所述预设长度,位于所述词语右侧的词语依次递增所述预设长度。
在一种可能的实现方式中,所述将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识,包括:
在所述语句样本的多个词语中有n个词语与预设的涉密词语集合中的涉密词语匹配成功的情况下,n≥2,设置n个所述语句样本的位置标识;
将n个所述位置标识的数值相加后取均值,将得到的结果作为所述多个词语的位置标识。
在一种可能的实现方式中,所述将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,其中,匹配成功的条件被设置为按照下述方式确定:
所述多个词语中的至少一个词语与所述涉密词语集合中的涉密词语为同义词;
和/或所述多个词语中的至少一个词语属于所述涉密词语集合中涉密词语类别范围以内。
在一种可能的实现方式中,所述文本的涉密等级包括下述中的至少一种:非密级、秘密级、机密级和绝密级。
根据本公开实施例的第二方面,提供一种涉密文本密级自动判定的装置,包括:
获取模块,用于获取待分类文本;
确定模块,用于将所述待分类文本输入至涉密等级分类模型,经所述涉密等级分类模型输出所述待分类文本的涉密等级,其中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得。
在一种可能的实现方式中,所述确定模块包括:
获取子模块,用于获取语句样本集合,所述语句样本集合包括多个标注有涉密等级的语句样本;
处理子模块,用于分别对所述语句样本进行分词处理,得到多个词语;
构建子模块,用于构建涉密等级分类模型组件,所述涉密等级分类模型组件中设置有训练参数;
生成子模块,用于分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果;
调整子模块,用于基于所述预测结果与标注的所述语句样本的涉密等级之间的差异,对所述训练参数进行迭代调整,直至所述差异满足预设要求。
在一种可能的实现方式中,所述涉密等级分类模型包括卷积神经网络,所述生成子模块包括:
第一匹配单元,用于将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述语句样本的多个词语的词语权重;
第一特征提取单元,用于基于所述词语权重,利用卷积算法对所述语句样本的多个词语进行特征提取,得到所述语句样本的特征数据;
生成单元,用于根据所述特征数据确定所述语句样本的预测结果。
在一种可能的实现方式中,所述语句样本的多个词语的词语权重被设置成按照下述方式获得:
在所述语句样本的多个词语中,若目标词语与所述涉密词语集合中的涉密词语相匹配,则所述词语的初始值设置为1;
若目标词语与所述涉密词语集合中的涉密词语不匹配,则所述词语的初始值设置为0;
按照所述目标词语在所述语句样本中出现的先后顺序,排列所述目标词语对应的初始值,得到所述语句样本的多个词语的词语权重。
在一种可能的实现方式中,所述涉密等级分类模型包括卷积神经网络,所述生成子模块包括:
第二匹配单元,用于将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识;
第二特征提取单元,用于将所述多个词语与与其对应的位置标识相拼接,利用卷积算法对拼接后的所述多个词语进行特征提取,得到所述语句样本的特征数据;
生成单元,用于根据所述特征数据确定所述语句样本的预测结果。
在一种可能的实现方式中,所述语句样本的多个词语的位置标识被设置成按照下述方式获得:
在所述多个词语中,若目标词语与预设的涉密词语集合中的涉密词语相匹配,则设置所述目标词语位置标识的数值为预设值;
按照其它词语与所述目标词语之间的位置距离由近到远的顺序,依次在所述预设值上递减或递加预设长度,以确定所述其它词语位置标识的数值,其中位于所述词语左侧的词语依次递减所述预设长度,位于所述词语右侧的词语依次递增所述预设长度。
在一种可能的实现方式中,所述第二匹配单元包括:
设置子单元,用于在所述语句样本的多个词语中有n个词语与预设的涉密词语集合中的涉密词语匹配成功的情况下,n≥2,设置n个所述语句样本的位置标识;
确定子单元,用于将n个所述位置标识的数值相加后取均值,将得到的结果作为所述多个词语的位置标识。
在一种可能的实现方式中,所述第一匹配单元或第二匹配单元,匹配成功的条件被设置为按照下述方式确定:
所述多个词语中的至少一个词语与所述涉密词语集合中的涉密词语为同义词;
和/或所述多个词语中的至少一个词语属于所述涉密词语集合中涉密词语类别范围以内。
在一种可能的实现方式中,所述文本的涉密等级包括下述中的至少一种:非密级、秘密级、机密级和绝密级。
根据本公开实施例的第三方面,提供一种涉密文本密级自动判定的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行根据本公开任一实施例所述的方法。
根据本公开实施例的第四方面,提供一种非临时性计算机可读存储介质,包括:
当所述存储介质中的指令由处理器执行时,使得处理器能够执行根据本公开任一实施例所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:本公开实施例能够利用预先训练好的涉密等级分类模型对待分类的文本进行自动的分类,相较于传统的人工定密方式,本公开实施例具有定密速度快,定密准确度高的有益效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种涉密文本密级自动判定的方法的流程图。
图2是根据一示例性实施例示出的一种利用词向量矩阵表示句子的示意图。
图3是根据一示例性实施例示出的涉密等级分类模型的结构示意图。
图4是根据一示例性实施例示出的一种涉密文本密级自动判定的装置的框图。
图5是根据一示例性实施例示出的一种涉密文本密级自动判定的装置的框图。
图6是根据一示例性实施例示出的一种涉密文本密级自动判定的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
为了方便本领域技术人员理解本公开实施例提供的技术方案,下面先对技术方案实现的技术环境进行说明。
传统的定密工作流程包括:首先由文件撰写人提出定密或不定密的意见,若需要定密,应提出密级和保密期限,再由技术负责人审查,所述技术负责人包括所述文件撰写人上一级的设计师,再由技术部门领导审核,最后由定密责任人确定。针对具体的文件,定密工作主要包括以下步骤:(1)判断文本的信息是否已经定密;(2)判断文本的定密范围;(3)判断泄密后是否会导致国家安全受到损害;(4)确定文本的涉密等级;(5)确定文本的秘密期限;(6)定密结果交流并确定。相关技术中,电子文本的涉密等级的确定工作还不够完善。主要表现在确定涉密等级的过程中,人工定密主观判断较多,定密依据不够充足,导致定密结果不够准确。
基于类似于上文所述的实际技术需求,本公开提供了一种涉密文本密级自动判定的方法和装置。
图1是根据一示例性实施例示出的一种涉密文本密级自动判定的方法的流程图,如图1所示,该方法可以用于终端中,也可以用于服务器,也可以部分由终端执行,部分由服务器执行。所述终端可以包括台式终端或移动终端,移动终端包括手机、平板电脑、笔记本电脑中的至少一种。所述方法包括以下步骤。
步骤S101中,获取待分类文本;
步骤S102中,将所述待分类文本输入至涉密等级分类模型,经所述涉密等级分类模型输出所述待分类文本的涉密等级,其中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得。
本公开实施例中,涉密文本密级自动判定的方法可以应用在军工、科技类等国家秘密的应用场景,也可以应用在企业商业秘密的应用场景中。所述军工、科技类的应用场景如军工船舶、航空航天、先进武器等的研发文档等,所述企业的商业秘密如邮件信函、财务报表、技术研发等电子文档等。
本公开实施例,所述分类文本可以包括用户输入的电子文本,或由终端自动从数据库获取的电子文本。本公开实施例中,所述分类文本可以包括任何语言的文本。所述电子文本可以包括国家机关存储的电子文本,其可能包含国家秘密,也可以包括企业单位存储的电子文本,其可能包含企业的商业秘密。
本公开实施例中,所述涉密等级分类模型可以通过利用分类文本与文本涉密等级之间的对应关系,通过机械学习的方式,训练获得。所述机械学习的方法包括但不限于利用无监督的预训练网络、卷积神经网络、循环神经网络和递归神经网络的算法。所述终端或服务器上存储有预先训练完成的涉密等级分类模型。在获取到待分类文本后,可以对所述待分类文本进行预处理,例如将所述待分类文本划分成若干语句,对同一语句进行分词处理,并获取同一语句中各个词语的词向量。将所述词向量输入至涉密等级分类模型中,经过涉密等级分类模型的运算,可以获得对待分类文本的分类结果,即待分类文本的文本涉密等级。在一个示例中,例如,用户在对话框中添加了一些待分类文本:文本1,《战术导弹武器系统主要部组建的技术实施方案、关键数据》;文本2,《重要武器装备配套设备的主要战术技术指标、研制生产报告、技术图纸》;文本3,《一般军事电子信息系统装备项目建议书》,系统获取了上述3个文本后,将其输入至涉密等级分类模型,输出结果可以包括:文本1,绝密;文本2,机密;文本3,秘密。在另一示例中,例如,企业的用户如财务、技术、采购等,将各自工作产生的文本存储至企业的服务器上,系统可以从所述服务器上自动获取上述电子文本,并将其输入至涉密等级分类模型中,输出文本对应的涉密等级。
本公开实施例能够利用预先训练好的涉密等级分类模型对待分类的文本进行自动的分类,相较于传统的人工定密方式,本公开实施例具有定密速度快,定密准确度高的有益效果。
在一种可能的实现方式中,在步骤S102中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得,包括:
步骤S103,获取语句样本集合,所述语句样本集合包括多个标注有涉密等级的语句样本。
本公开实施例中,所述语句样本集合包括多个预先标注的涉密等级的语句样本。在一个示例中,所述语句样本可以对文章段落进行分句获取,例如,以预设的截止符作为一句话的结束,所述截止符可以包括句号、问号、省略号、感叹号等。根据定密规则,对上述分好的语句做涉密等级的标记,所述涉密等级可以包括绝密、机密、秘密、或非秘等。在另一个示例中,所述语句样本可以通过已有的秘密文件获取,例如,该秘密文件的保密期限已到,可以公开,通过对已存储的秘密文件进行分句处理,以获取语句样本。需要说明的是,所述语句样本的获得方式不限于上述举例,例如,可以通过聊天记录、电子邮件等方式获取语句样本,并对语句样本进行标记处理,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
步骤S104,分别对所述语句样本进行分词处理,得到多个词语。
本公开实施例中,为了提取语句中的语义信息,以词或字符作为最小的处理单元。为了获取词语与词语之间在语义上的相关性,可以利用词向量来表征词语,参考图2,例如:以一个一维向量表示一个词语,多个词语所在的语句可以以若干个一维向量构成的矩阵来表示,“今天我很高兴”这句话,可以表示成如图2所示的词向量矩阵。在一个示例中。可以采用预先训练好的模型来获取词语的词向量,所述模型可以包括word2vec,Glove,fasttext等。在另一示例中,也可以利用随机生成服从正态分布的固定维向量做词向量。
步骤S105,构建涉密等级分类模型组件,所述涉密等级分类模型组件中设置有训练参数。
图3是根据一示例性实施例示出的涉密等级分类模型的结构示意图。参考图3所示,所述涉密等级分类模型可以包括输入层301,卷积层302,池化层303,全连接层304。本公开实施例中,所述涉密等级分类模型中的输入层301用于输入语句的词向量矩阵,在图3中,输入的是由10个词语(输入层301向量矩阵的行数),每个词语由一个7维的向量表示(输入层301向量矩阵的列数)。所述涉密等级分类模型的卷积层303用于对输入的词向量矩阵进行卷积,以提取其特征。假设输入的词向量矩阵维度是n*d,即每句话有n个词,每个词有一个d维的词向量表示。假设Xi:i+j表示Xi到Xj个词,使用宽度为d,高度为h的卷积核w与Xi+j(h个词)进行卷积操作后,再使用激活函数激活得到相应的特城ci,则卷积操作可以表示为:
ci=f(w·xi:i+h-1+b) (1)
经过卷积操作之后,可以得到一个n-h+1维的向量c,表示为:
c=[c1,c2,…,cn-h+1] (2)
其中b表示偏置参数。
本公开实施例中,卷积和核的个数可以包括多个,以提取不同的特征。在一个示例中,可以采用卷积核的宽度和词向量的维度一致。其效果在于,由于输入的词向量矩阵是同一语句的词向量矩阵,句子中相邻词与之间关联性很高,因此,采用将卷积核的宽度和词向量的维度一致的方法,从而使卷积和对整个词语提取语义,避免对词向量部分操作导致词向量信息使用不全的问题。
本公开实施例中,所述涉密等级分类模型的池化层303用于降低输出结果的维度,保留显著特征。由于在卷积层302卷积过程中,可以使用不同高度的卷积核w,因此,卷积后得到的向量c的维度是不一样的,所述池化层303用于抽取向量c的最大值,将所有向量c的最大值拼接起来,得到特征向量z=[c′1,…,c′m](设有m个卷积核w)。本公开实施例中,所述涉密等级分类模型的全连接层304,对于需要分成多个涉密等级的情况,可以利用softmax激活函数得到属于每个类的概率,对于需要分成两个涉密等级的情况,可以利用sigmoid作为激活函数。需要说明的是,所述涉密等级分类模型的构建方式不限于上述利用卷积神经网络的方式进行举例,例如,循环神经网络和递归神经网络的算法,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
步骤S106,分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果。
本公开实施例中,将语句样本的多个词语输入至涉密等级分类模型组件中,得到该语句样本的预测结果,所述预测结果为已分类的涉密等级中的至少一种。例如,输入的语句样本包括“该飞行控制软件的飞行速度达到50km/h”,输出预测结果:秘密。再如,输入的语句样本包括“今天天气晴朗,气温能够达到38度”,输出预测结果:非秘。
步骤S107,基于所述预测结果与标注的所述语句样本的涉密等级之间的差异,对所述训练参数进行迭代调整,直至所述差异满足预设要求。
本公开实施例中可以根据预测结果与实际标注的涉密等级之间的差异,采用多次训练的方法,更新神经网络中参数的取值,直到所述差异满足预设范围要求。
在一种可能的实现方式中,所述涉密等级分类模型包括卷积神经网络,所述步骤S106分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果,包括:
步骤S108,将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述语句样本的多个词语的词语权重;
步骤S109,基于所述词语权重,利用卷积算法对所述语句样本的多个词语进行特征提取,得到所述语句样本的特征数据;
步骤S110,根据所述特征数据确定所述语句样本的预测结果。
本公开实施例中所述涉密词语集合是从已经确定好的涉密文本中提取涉密词语生成。所述涉密词语集合中的涉密词语可以包括中文、英文、繁体字、简体字、字母和数字等,还可以包括以上多种形式的混合形式,例如,中文本+字母等。在一个示例中,所述涉密词语集合中的涉密词语可以通过字典树(Trie树)的形式进行存储,包含了同音词和同形词,采用字典树的形式进行存储的优点在于利用字符串的公共前缀来减少查询时间,能够最大限度的减少无价值的字符串的比较,查询效率高。
本公开实施例中,将语句样本的多个词语与预设的涉密词语集合中的涉密词语进行匹配,如果匹配成功,则设置相对高的权重值给该词语,如果匹配失败,则设置相对低的权重值给该词语。这里的相对高和相对低均为涉密词语与非涉密词语之间权重的比较。在一个示例中,例如“东风集团在第二季度的销售收入为28个亿”,在该语句中,“东风集团”和“28”与所述涉密词语集合中的涉密词语相匹配,则可以将该词语对应的权重值设置为0.8,该语句中其他词语的权重值设置为0.2,同一语句样本的多个词语可以表示成权重向量,则该语句“东风集团在第二季度的销售收入为28个亿”的词语权重可以表示成[0.8,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.8,0.2,0.2]。在另一个示例中,若语句样本中没有词语与所述涉密词语集合中的涉密词语相匹配,则不对该语句样本中的词语设置词语权重。需要说明的是,所述权重值的设置方式不限于上述举例,例如,高的权重还可以包括0.95、0.98等,低的权重还可以包括0.01、0.1等,也可以作为所述预设触发事件,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
本公开实施例中,所述基于所述词语权重,利用卷积算法对所述语句样本的多个词语进行特征提取包括:利用卷积核与所述语句样本的多个词语的词向量矩阵进行一次或多次卷积,将卷积后的结果与所述词语权重相乘。在一个示例中,可以利用卷积核与所述语句样本的多个词语的词向量矩阵进行一次卷积,将卷积后的结果与所述词语权重相乘,将相乘后的结果再次与卷积核卷积。对卷积后的结果,可以使用全连接分类的方法得到预测结果。
本公开实施例考虑到涉密文本中的涉密内容与文本中的词语有较大的相关性,因此,设置涉密词语集合,若语句样本中的目标词语与所述涉密词语集合中的涉密词语相匹配,则为该目标词语设置一个相对较高的权重,未匹配的词语,设置一个相对较低的权重,能够有效的降低模型训练的次数,提高分类结果的准确性。
在一种可能的实现方式中,所述语句样本的多个词语的词语权重被设置成按照下述方式获得:
步骤S111,在所述语句样本的多个词语中,若目标词语与所述涉密词语集合中的涉密词语相匹配,则所述词语的初始值设置为1;
步骤S112,若目标词语与所述涉密词语集合中的涉密词语不匹配,则所述词语的初始值设置为0;
步骤S113,按照所述目标词语在所述语句样本中出现的先后顺序,排列所述目标词语对应的初始值,得到所述语句样本的多个词语的词语权重。
本公开实施例中,将语句样本的多个词语与涉密词语集合中的涉密词语相匹配,若目标词语与涉密词语集合中的涉密词语匹配成功,则将所述词语的权重设置为1,若目标词语与涉密词语集合中的涉密词语匹配不成功,则将所述词语的权重设置为0。并按照所述目标词语在所述语句样本中出现的先后顺序,排列所述目标词语对应的初始值,得到所述词语权重。在一个示例中,例如:语句样本为“小红帽地产开放商在星光商业区的楼盘开盘价格是5万/米”,其中“小红帽”、“星光商业区”、“5万/米”与涉密词语集合中的涉密词语相匹配,则这三个词语对应的词语权重的初始值设置为1,其它词语的词语权重的初始值设置为0,按照该语句样本词语出现的先后顺序:小红帽地产开发商在星光商业区的楼盘开盘价格是5万/米,得到该语句样本的词语权重包括[1,0,0,0,1,0,0,0,0,1]。在另一示例中,例如:语句样本为“航天领域模型驱动软件的开发成本很高”,其中没有词语与涉密词语集合中的涉密词语相匹配,则不设置所述样本语句的词语权重。
在一种可能的实现方式中,所述涉密等级分类模型包括卷积神经网络,所述步骤S106分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果,包括:
步骤S114,将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识;
步骤S115,将所述多个词语与与其对应的位置标识相拼接,利用卷积算法对拼接后的所述多个词语进行特征提取,得到所述语句样本的特征数据;
步骤S116,根据所述特征数据确定所述语句样本的预测结果。
本公开实施例中,将所述语句样本的多个词语与预设的涉密词语集合中的涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识,所述位置标识用于表征其它词语与涉密词语之间的位置关系。在一个示例中,所述位置标识可以表示为位置向量,所述位置向量的长度与语句样本中词语的个数相同。在另一个示例中,将所述位置向量与已训练的映射矩阵相处理,得到位置矩阵,所述位置矩阵用于表征所述涉密词语与其它词语之间的位置关系。将所述位置矩阵与词向量矩阵相拼接,将拼接后的矩阵输入卷积层,利用卷积算法对拼接后的所述多个词语进行特征提取,得到所述语句样本的特征数据,根据所述特征数据确定所述语句样本的预测结果。
本公开实施例考虑到目标词语上下文位置较近的词语对目标词语的影响力较大,对样本分类的结果有重要的参考意义,因此,引入其它词语相对于目标词语的位置信息,有利于提高分类结果的准确性。
在一种可能的实现方式中,所述语句样本的多个词语的位置标识被设置成按照下述方式获得:
步骤S117,在所述多个词语中,若目标词语与预设的涉密词语集合中的涉密词语相匹配,则设置所述目标词语位置标识的数值为预设值;
步骤S118,按照其它词语与所述目标词语之间的位置距离由近到远的顺序,依次在所述预设值上递减或递加预设长度,以确定所述其它词语位置标识的数值,其中位于所述词语左侧的词语依次递减所述预设长度,位于所述词语右侧的词语依次递增所述预设长度。
本公开实施例中,在进行位置标识设置的时候,若目标词语与预设的涉密词语集合中的涉密词语相匹配,则可以以所述目标词语作为坐标原点,设置预设值。所述预设值可以包括0或者语句样本的长度d等。其它词语,按照与所述目标词语由近到远的顺序依次在所述预设值上递减或递交预设长度。在一个示例中,例如:语句样本“今天天气温度已经达到39度”,在这里面目标词语“温度”与涉密词语集合中的涉密词语相匹配,则“温度”设置温度的位置标识的数值为0,“温度”左边的词语依次递减预设长度1,则“天气”的位置标识的数值为-1,“今天”的位置标识的数值为-2,“温度”右边的词语依次递增预设长度1,则“已经”的位置标识的数值为1,“达到”的位置标识的数值为2,“39度”的位置标识的数值为3。因此,语句样本“今天天气温度已经达到39度”的位置标识可以表示为[-2,-1,0,1,2,3]。由于在训练的过程中,避免负数出现,因此,可以在上述位置标识的数值上加上样本语句词语的个数d。在另一个示例中,例如:语句样本“今天天气温度已经达到39度”,在这里面目标词语“温度”与涉密词语集合中的涉密词语相匹配,则“温度”设置温度的位置标识的数值为样本语句词语的个数,在这里设置预设值为语句中词语的个数:6,目标词语左侧和右侧的词语分别递减和递加预设长度1,得到最后位置标识表示为[4,5,6,7,8,9]。需要说明的是,所述位置标识的设置方式不限于上述举例,例如,间隔长度为2、3,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内
在一种可能的实现方式中,所述步骤S114,将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识,包括:
步骤S119,在所述语句样本的多个词语中有n个词语与预设的涉密词语集合中的涉密词语匹配成功的情况下,n≥2,设置n个所述语句样本的位置标识。
步骤S120,将n个所述位置标识的数值相加后取均值,将得到的结果作为所述多个词语的位置标识。
本公开实施例中,若语句样本中有n个词语与预设的涉密词语集合中的涉密词语匹配成功,则设置n个所述语句样本的位置标识。在一个示例中,例如:语句样本“今天天气温度已经达到39度”,在这里面目标词语“温度”与涉密词语集合中的涉密词语相匹配,“39度”与涉密词语集合中的涉密词语也相匹配,则按照与上述实施例相同的方法分别设置与目标词语“温度”有关的位置标识[4,5,6,7,8,9],与目标词语“39度”有关的位置标识[1,2,3,4,5,6],两位置标识的数值相加后去均值得到最终位置标识即[2.5,3.5,4.5,5.5,6.5,7.5]。
在一种可能的实现方式中,所述将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,其中,匹配成功的条件被设置为按照下述方式确定:
所述多个词语中的至少一个词语与所述涉密词语集合中的涉密词语为同义词;
和/或所述多个词语中的至少一个词语属于所述涉密词语集合中涉密词语类别范围以内。
本公开实施例中,所述同义词包括:与所述词语词义相同可以具有相同的形式或不同的形式,在一个示例中,相同的形式包括同一种类的语言,例如“查询”和“查找”;在一个示例中,不同的形式包括不同种类的文字,例如中文“查找”和英文“look for”,在另一个示例中,不同的形式包括音变的文字,例如“航天”的同义词“hangtian”以及“HT”,在另一个示例中,不同的形式还包括形变的文字,例如,“航天”的同义词“舟亢天”,在另一个示例中,不同的形式还包括错别字,例如,“保持干净”的同义词“保持干静”,在另一个示例中,所述不同的形式还包括网络用语,例如,“给力”和“猴赛雷”等。
本公开实施例中,至少一个词语属于所述涉密词语集合中涉密词语类别范围以内,例如,杂货铺属于经销商的类别范围内,苹果属于水果的类别范围内,菠菜属于蔬菜的类别范围以内。因此,当涉密词语集合中存储有“经销商”、“水果”、“蔬菜”等涉密词语,若语句样本中包含有“杂货铺”、“苹果”、“菠菜”词语时,则被认为所述语句样本的词语与涉密词语集合中的涉密词语相匹配。
在一种可能的实现方式中,所述文本的涉密等级包括下述中的至少一种:非密级、秘密级、机密级和绝密级。
图4是根据一示例性实施例示出的一种涉密文本密级自动判定的装置框图。参照图4,该装置包括:
获取模块401,用于获取待分类文本。
确定模块402,用于将所述待分类文本输入至涉密等级分类模型,经所述涉密等级分类模型输出所述待分类文本的涉密等级,其中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得。
在一种可能的实现方式中,所述确定模块包括:
获取子模块,用于获取语句样本集合,所述语句样本集合包括多个标注有涉密等级的语句样本;
处理子模块,用于分别对所述语句样本进行分词处理,得到多个词语;
构建子模块,用于构建涉密等级分类模型组件,所述涉密等级分类模型组件中设置有训练参数;
生成子模块,用于分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果;
调整子模块,用于基于所述预测结果与标注的所述语句样本的涉密等级之间的差异,对所述训练参数进行迭代调整,直至所述差异满足预设要求。
在一种可能的实现方式中,所述涉密等级分类模型包括卷积神经网络,所述生成子模块包括:
第一匹配单元,用于将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述语句样本的多个词语的词语权重;
第一特征提取单元,用于基于所述词语权重,利用卷积算法对所述语句样本的多个词语进行特征提取,得到所述语句样本的特征数据;
生成单元,用于根据所述特征数据确定所述语句样本的预测结果。
在一种可能的实现方式中,所述语句样本的多个词语的词语权重被设置成按照下述方式获得:
在所述语句样本的多个词语中,若目标词语与所述涉密词语集合中的涉密词语相匹配,则所述词语的初始值设置为1;
若目标词语与所述涉密词语集合中的涉密词语不匹配,则所述词语的初始值设置为0;
按照所述目标词语在所述语句样本中出现的先后顺序,排列所述目标词语对应的初始值,得到所述语句样本的多个词语的词语权重。
在一种可能的实现方式中,所述涉密等级分类模型包括卷积神经网络,所述生成子模块包括:
第二匹配单元,用于将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识;
第二特征提取单元,用于将所述多个词语与与其对应的位置标识相拼接,利用卷积算法对拼接后的所述多个词语进行特征提取,得到所述语句样本的特征数据;
生成单元,用于根据所述特征数据确定所述语句样本的预测结果。
在一种可能的实现方式中,所述语句样本的多个词语的位置标识被设置成按照下述方式获得:
在所述多个词语中,若目标词语与预设的涉密词语集合中的涉密词语相匹配,则设置所述目标词语位置标识的数值为预设值;
按照其它词语与所述目标词语之间的位置距离由近到远的顺序,依次在所述预设值上递减或递加预设长度,以确定所述其它词语位置标识的数值,其中位于所述词语左侧的词语依次递减所述预设长度,位于所述词语右侧的词语依次递增所述预设长度。
在一种可能的实现方式中,所述第二匹配单元包括:
设置子单元,用于在所述语句样本的多个词语中有n个词语与预设的涉密词语集合中的涉密词语匹配成功的情况下,n≥2,设置n个所述语句样本的位置标识;
确定子单元,用于将n个所述位置标识的数值相加后取均值,将得到的结果作为所述多个词语的位置标识。
在一种可能的实现方式中,所述第一匹配单元或第二匹配单元,匹配成功的条件被设置为按照下述方式确定:
所述多个词语中的至少一个词语与所述涉密词语集合中的涉密词语为同义词;
和/或所述多个词语中的至少一个词语属于所述涉密词语集合中涉密词语类别范围以内。
在一种可能的实现方式中,所述文本的涉密等级包括下述中的至少一种:非密级、秘密级、机密级和绝密级。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图5是根据一示例性实施例示出的一种涉密文本密级自动判定的装置500的框图。例如,装置500可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,装置500可以包括以下一个或多个组件:处理组件502,存储器504,电源组件506,多媒体组件508,音频组件510,输入/输出(I/O)的接口512,传感器组件514,以及通信组件516。
处理组件502通常控制装置500的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件502可以包括一个或多个模块,便于处理组件502和其他组件之间的交互。例如,处理组件502可以包括多媒体模块,以方便多媒体组件508和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在装置500的操作。这些数据的示例包括用于在装置500上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件506为装置500的各种组件提供电力。电源组件506可以包括电源管理系统,一个或多个电源,及其他与为装置500生成、管理和分配电力相关联的组件。
多媒体组件508包括在所述装置500和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件508包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件510被配置为输出和/或输入音频信号。例如,音频组件510包括一个麦克风(MIC),当装置500处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中,音频组件510还包括一个扬声器,用于输出音频信号。
I/O接口512为处理组件502和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件514包括一个或多个传感器,用于为装置500提供各个方面的状态评估。例如,传感器组件514可以检测到装置500的打开/关闭状态,组件的相对定位,例如所述组件为装置500的显示器和小键盘,传感器组件514还可以检测装置500或装置500一个组件的位置改变,用户与装置500接触的存在或不存在,装置500方位或加速/减速和装置500的温度变化。传感器组件514可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件514还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件516被配置为便于装置500和其他设备之间有线或无线方式的通信。装置500可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件516还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器504,上述指令可由装置500的处理器520执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图6是根据一示例性实施例示出的涉密文本密级自动判定的装置600的框图。例如,装置1900可以被提供为一服务器。参照图6,装置600包括处理组件622,其进一步包括一个或多个处理器,以及由存储器632所代表的存储器资源,用于存储可由处理组件622的执行的指令,例如应用程序。存储器632中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件622被配置为执行指令,以执行上述方法。
装置600还可以包括一个电源组件626被配置为执行装置1900的电源管理,一个有线或无线网络接口650被配置为将装置600连接到网络,和一个输入输出(I/O)接口658。装置600可以操作基于存储在存储器632的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器632,上述指令可由装置600的处理组件622执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (20)
1.一种涉密文本密级自动判定的方法,其特征在于,包括:
获取待分类文本;
将所述待分类文本输入至涉密等级分类模型,经所述涉密等级分类模型输出所述待分类文本的涉密等级,其中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得。
2.根据权利要求1所述的方法,其特征在于,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得,包括:
获取语句样本集合,所述语句样本集合包括多个标注有涉密等级的语句样本;
分别对所述语句样本进行分词处理,得到多个词语;
构建涉密等级分类模型组件,所述涉密等级分类模型组件中设置有训练参数;
分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果;
基于所述预测结果与标注的所述语句样本的涉密等级之间的差异,对所述训练参数进行迭代调整,直至所述差异满足预设要求。
3.根据权利要求2所述的方法,其特征在于,所述涉密等级分类模型包括卷积神经网络,所述分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果,包括:
将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述语句样本的多个词语的词语权重;
基于所述词语权重,利用卷积算法对所述语句样本的多个词语进行特征提取,得到所述语句样本的特征数据;
根据所述特征数据确定所述语句样本的预测结果。
4.根据权利要求3所述的方法,其特征在于,所述语句样本的多个词语的词语权重被设置成按照下述方式获得:
在所述语句样本的多个词语中,若目标词语与所述涉密词语集合中的涉密词语相匹配,则所述词语的初始值设置为1;
若目标词语与所述涉密词语集合中的涉密词语不匹配,则所述词语的初始值设置为0;
按照所述目标词语在所述语句样本中出现的先后顺序,排列所述目标词语对应的初始值,得到所述语句样本的多个词语的词语权重。
5.根据权利要求2所述的方法,其特征在于,所述涉密等级分类模型包括卷积神经网络,所述分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果,包括:
将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识;
将所述多个词语与与其对应的位置标识相拼接,利用卷积算法对拼接后的所述多个词语进行特征提取,得到所述语句样本的特征数据;
根据所述特征数据确定所述语句样本的预测结果。
6.根据权利要求5所述的方法,其特征在于,所述语句样本的多个词语的位置标识被设置成按照下述方式获得:
在所述多个词语中,若目标词语与预设的涉密词语集合中的涉密词语相匹配,则设置所述目标词语位置标识的数值为预设值;
按照其它词语与所述目标词语之间的位置距离由近到远的顺序,依次在所述预设值上递减或递加预设长度,以确定所述其它词语位置标识的数值,其中位于所述词语左侧的词语依次递减所述预设长度,位于所述词语右侧的词语依次递增所述预设长度。
7.根据权利要求5所述的方法,其特征在于,所述将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识,包括:
在所述语句样本的多个词语中有n个词语与预设的涉密词语集合中的涉密词语匹配成功的情况下,n≥2,设置n个所述语句样本的位置标识;
将n个所述位置标识的数值相加后取均值,将得到的结果作为所述多个词语的位置标识。
8.根据权利要求3或5所述的方法,其特征在于,所述将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,其中,匹配成功的条件被设置为按照下述方式确定:
所述多个词语中的至少一个词语与所述涉密词语集合中的涉密词语为同义词;
和/或所述多个词语中的至少一个词语属于所述涉密词语集合中涉密词语类别范围以内。
9.根据权利要求1所述的方法,其特征在于,所述文本的涉密等级包括下述中的至少一种:非密级、秘密级、机密级和绝密级。
10.一种涉密文本密级自动判定的装置,其特征在于,包括:
获取模块,用于获取待分类文本;
确定模块,用于将所述待分类文本输入至涉密等级分类模型,经所述涉密等级分类模型输出所述待分类文本的涉密等级,其中,所述涉密等级分类模型被设置为利用分类文本与文本涉密等级之间的对应关系训练获得。
11.根据权利要求10所述的装置,其特征在于,所述确定模块包括:
获取子模块,用于获取语句样本集合,所述语句样本集合包括多个标注有涉密等级的语句样本;
处理子模块,用于分别对所述语句样本进行分词处理,得到多个词语;
构建子模块,用于构建涉密等级分类模型组件,所述涉密等级分类模型组件中设置有训练参数;
生成子模块,用于分别将所述语句样本的多个词语输入至所述涉密等级分类模型组件中,生成预测结果;
调整子模块,用于基于所述预测结果与标注的所述语句样本的涉密等级之间的差异,对所述训练参数进行迭代调整,直至所述差异满足预设要求。
12.根据权利要求11所述的装置,其特征在于,所述涉密等级分类模型包括卷积神经网络,所述生成子模块包括:
第一匹配单元,用于将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述语句样本的多个词语的词语权重;
第一特征提取单元,用于基于所述词语权重,利用卷积算法对所述语句样本的多个词语进行特征提取,得到所述语句样本的特征数据;
生成单元,用于根据所述特征数据确定所述语句样本的预测结果。
13.根据权利要求12所述的装置,其特征在于,所述语句样本的多个词语的词语权重被设置成按照下述方式获得:
在所述语句样本的多个词语中,若目标词语与所述涉密词语集合中的涉密词语相匹配,则所述词语的初始值设置为1;
若目标词语与所述涉密词语集合中的涉密词语不匹配,则所述词语的初始值设置为0;
按照所述目标词语在所述语句样本中出现的先后顺序,排列所述目标词语对应的初始值,得到所述语句样本的多个词语的词语权重。
14.根据权利要求11所述的装置,其特征在于:所述涉密等级分类模型包括卷积神经网络,所述生成子模块包括:
第二匹配单元,用于将所述语句样本的多个词语与预设的涉密词语集合中涉密词语进行匹配,若匹配成功,则设置所述多个词语的位置标识;
第二特征提取单元,用于将所述多个词语与与其对应的位置标识相拼接,利用卷积算法对拼接后的所述多个词语进行特征提取,得到所述语句样本的特征数据;
生成单元,用于根据所述特征数据确定所述语句样本的预测结果。
15.根据权利要求14所述的装置,其特征在于:所述语句样本的多个词语的位置标识被设置成按照下述方式获得:
在所述多个词语中,若目标词语与预设的涉密词语集合中的涉密词语相匹配,则设置所述目标词语位置标识的数值为预设值;
按照其它词语与所述目标词语之间的位置距离由近到远的顺序,依次在所述预设值上递减或递加预设长度,以确定所述其它词语位置标识的数值,其中位于所述词语左侧的词语依次递减所述预设长度,位于所述词语右侧的词语依次递增所述预设长度。
16.根据权利要求14所述的装置,其特征在于,所述第二匹配单元包括:
设置子单元,用于在所述语句样本的多个词语中有n个词语与预设的涉密词语集合中的涉密词语匹配成功的情况下,n≥2,设置n个所述语句样本的位置标识;
确定子单元,用于将n个所述位置标识的数值相加后取均值,将得到的结果作为所述多个词语的位置标识。
17.根据权利要求12或14所述的装置,其特征在于,匹配成功的条件被设置为按照下述方式确定:
所述多个词语中的至少一个词语与所述涉密词语集合中的涉密词语为同义词;
和/或所述多个词语中的至少一个词语属于所述涉密词语集合中涉密词语类别范围以内。
18.根据权利要求10所述的装置,其特征在于,所述文本的涉密等级包括下述中的至少一种:非秘级、秘密级、机密级和绝密级。
19.一种涉密文本密级自动判定的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行根据权利要求1至9中任一项所述的方法。
20.一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器执行时,使得处理器能够执行根据权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321141.5A CN112347779B (zh) | 2020-11-23 | 2020-11-23 | 一种涉密文本密级自动判定的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321141.5A CN112347779B (zh) | 2020-11-23 | 2020-11-23 | 一种涉密文本密级自动判定的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112347779A true CN112347779A (zh) | 2021-02-09 |
CN112347779B CN112347779B (zh) | 2024-06-14 |
Family
ID=74365404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011321141.5A Active CN112347779B (zh) | 2020-11-23 | 2020-11-23 | 一种涉密文本密级自动判定的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112347779B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708117A (zh) * | 2022-03-21 | 2022-07-05 | 广东电网有限责任公司 | 融合先验知识的用电安全检查评级方法、装置及设备 |
CN114936376A (zh) * | 2022-06-14 | 2022-08-23 | 中国电信股份有限公司 | 文本定密方法及装置、非易失性存储介质、处理器 |
CN115080704A (zh) * | 2022-07-20 | 2022-09-20 | 广州世安信息技术股份有限公司 | 一种基于评分机制的计算机文件保密检查方法及系统 |
CN116089910A (zh) * | 2023-02-16 | 2023-05-09 | 北京计算机技术及应用研究所 | 一种支持多种格式电子文档的密级检测方法 |
CN117082021A (zh) * | 2023-10-12 | 2023-11-17 | 太平金融科技服务(上海)有限公司 | 邮件干预方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368542A (zh) * | 2017-06-27 | 2017-11-21 | 山东华软金盾软件股份有限公司 | 一种涉密数据的涉密等级评定方法 |
CN108304468A (zh) * | 2017-12-27 | 2018-07-20 | 中国银联股份有限公司 | 一种文本分类方法以及文本分类装置 |
CN110162792A (zh) * | 2019-05-24 | 2019-08-23 | 国家电网有限公司 | 电网数据管理方法及装置 |
CN110597988A (zh) * | 2019-08-28 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种文本分类方法、装置、设备及存储介质 |
CN111061881A (zh) * | 2019-12-27 | 2020-04-24 | 浪潮通用软件有限公司 | 文本分类方法、设备及存储介质 |
CN111090878A (zh) * | 2019-11-29 | 2020-05-01 | 中国电子科技集团公司第二十研究所 | 一种基于密点的定密管理系统 |
CN111506702A (zh) * | 2020-03-25 | 2020-08-07 | 北京万里红科技股份有限公司 | 基于知识蒸馏的语言模型训练方法、文本分类方法及装置 |
-
2020
- 2020-11-23 CN CN202011321141.5A patent/CN112347779B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368542A (zh) * | 2017-06-27 | 2017-11-21 | 山东华软金盾软件股份有限公司 | 一种涉密数据的涉密等级评定方法 |
CN108304468A (zh) * | 2017-12-27 | 2018-07-20 | 中国银联股份有限公司 | 一种文本分类方法以及文本分类装置 |
CN110162792A (zh) * | 2019-05-24 | 2019-08-23 | 国家电网有限公司 | 电网数据管理方法及装置 |
CN110597988A (zh) * | 2019-08-28 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种文本分类方法、装置、设备及存储介质 |
CN111090878A (zh) * | 2019-11-29 | 2020-05-01 | 中国电子科技集团公司第二十研究所 | 一种基于密点的定密管理系统 |
CN111061881A (zh) * | 2019-12-27 | 2020-04-24 | 浪潮通用软件有限公司 | 文本分类方法、设备及存储介质 |
CN111506702A (zh) * | 2020-03-25 | 2020-08-07 | 北京万里红科技股份有限公司 | 基于知识蒸馏的语言模型训练方法、文本分类方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708117A (zh) * | 2022-03-21 | 2022-07-05 | 广东电网有限责任公司 | 融合先验知识的用电安全检查评级方法、装置及设备 |
CN114936376A (zh) * | 2022-06-14 | 2022-08-23 | 中国电信股份有限公司 | 文本定密方法及装置、非易失性存储介质、处理器 |
CN115080704A (zh) * | 2022-07-20 | 2022-09-20 | 广州世安信息技术股份有限公司 | 一种基于评分机制的计算机文件保密检查方法及系统 |
CN115080704B (zh) * | 2022-07-20 | 2022-11-11 | 广州世安信息技术股份有限公司 | 一种基于评分机制的计算机文件保密检查方法及系统 |
CN116089910A (zh) * | 2023-02-16 | 2023-05-09 | 北京计算机技术及应用研究所 | 一种支持多种格式电子文档的密级检测方法 |
CN116089910B (zh) * | 2023-02-16 | 2023-10-20 | 北京计算机技术及应用研究所 | 一种支持多种格式电子文档的密级检测方法 |
CN117082021A (zh) * | 2023-10-12 | 2023-11-17 | 太平金融科技服务(上海)有限公司 | 邮件干预方法、装置、设备及介质 |
CN117082021B (zh) * | 2023-10-12 | 2024-01-02 | 太平金融科技服务(上海)有限公司 | 邮件干预方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112347779B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112347779B (zh) | 一种涉密文本密级自动判定的方法和装置 | |
CN107766426B (zh) | 一种文本分类方法、装置及电子设备 | |
CN110580290B (zh) | 用于文本分类的训练集的优化方法及装置 | |
CN109800325B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN110008401B (zh) | 关键词提取方法、关键词提取装置和计算机可读存储介质 | |
CN111177371B (zh) | 一种分类方法和相关装置 | |
CN109033156B (zh) | 一种信息处理方法、装置及终端 | |
US20160180247A1 (en) | Latency-Efficient Multi-Stage Tagging Mechanism | |
CN112668320B (zh) | 基于词嵌入的模型训练方法、装置、电子设备及存储介质 | |
CN110019675B (zh) | 一种关键词提取的方法及装置 | |
CN111753091B (zh) | 分类方法、分类模型的训练方法、装置、设备及存储介质 | |
CN113792207A (zh) | 一种基于多层次特征表示对齐的跨模态检索方法 | |
CN112328793A (zh) | 评论文本数据的处理方法、装置及存储介质 | |
CN107679070A (zh) | 一种智能阅读推荐方法与装置、电子设备 | |
CN111191438A (zh) | 一种情感分析方法、装置和电子设备 | |
CN112784142A (zh) | 一种信息推荐方法及装置 | |
CN111222316A (zh) | 文本检测方法、装置及存储介质 | |
CN110866114B (zh) | 对象行为的识别方法、装置及终端设备 | |
CN116912478A (zh) | 目标检测模型构建、图像分类方法、电子设备 | |
CN110991169A (zh) | 一种风险内容变种的识别方法、装置及电子设备 | |
CN109426354B (zh) | 一种输入方法、装置和用于输入的装置 | |
CN113256379A (zh) | 一种为商品关联购物需求的方法 | |
CN114610163A (zh) | 推荐方法、装置和介质 | |
CN113157923A (zh) | 实体分类方法、装置及可读存储介质 | |
CN112181163A (zh) | 一种输入方法、装置和用于输入的装置 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Gao Xin Inventor after: Li Haoda Inventor after: Xu Xin Inventor after: Liu Bing Inventor after: Chen Xu Inventor before: Li Haoda Inventor before: Xu Xin Inventor before: Gao Xin Inventor before: Liu Bing Inventor before: Chen Xu |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |