CN112989789B - 文本审核模型的测试方法、装置、计算机设备及存储介质 - Google Patents
文本审核模型的测试方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112989789B CN112989789B CN202110276895.1A CN202110276895A CN112989789B CN 112989789 B CN112989789 B CN 112989789B CN 202110276895 A CN202110276895 A CN 202110276895A CN 112989789 B CN112989789 B CN 112989789B
- Authority
- CN
- China
- Prior art keywords
- text
- test
- sensitive
- texts
- model
- 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.)
- Active
Links
- 238000010998 test method Methods 0.000 title abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 273
- 230000009466 transformation Effects 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000012550 audit Methods 0.000 claims description 85
- 238000000034 method Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 2
- 230000037431 insertion Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 208000001613 Gambling Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开公开了一种文本审核模型的测试方法、装置、计算机设备及存储介质,涉及自然语言处理、深度学习等人工智能领域。实现方案为:获取待测试的文本审核模型及文本审核模型的类型;根据文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本;基于预设的变换规则,分别将多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中测试文本集中包括多个测试文本及每个测试文本对应的标签;利用测试文本集对文本审核模型进行测试,以生成测试结果。通过基于预设的变换规则对参考文本进行变换处理,以获取测试文本集,从而丰富了测试文本集的数量和类型,提高了对文本审核模型测试结果的准确性和可靠性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及自然语言处理、深度学习等人工智能领域,具体涉及一种文本审核模型的测试方法、装置、计算机设备及存储介质。
背景技术
随着互联网的普及发展,网络平台内容迎来了大爆发,同时也产生了大量的不良有害信息,内容安全已经成为了互联网生态治理的重要内容。
相关技术中,可以在内容发布前,首先通过文本审核模型对内容审核,来尽量避免不良信息的发布和传播。为了保证文本审核模型的准确性和可靠性,文本审核模型在投入使用前,需要利用大量的测试数据进行测试。比如,可以利用人工标注大量的文本测试集对模型进行测试。但是这种测试方式,不仅测试样本获取的成本高,且很难涵盖足够类型的不良有害内容,从而导致产生的测试结果不够准确,不够可靠。
发明内容
本公开提供了一种用于文本审核模型的测试方法、装置、计算机设备以及存储介质。
根据本公开的一方面,提供了一种文本审核模型的测试方法。
获取待测试的文本审核模型及所述文本审核模型的类型;
根据所述文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本;
基于预设的变换规则,分别将所述多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中所述测试文本集中包括多个测试文本及每个测试文本对应的标签;
利用所述测试文本集对所述文本审核模型进行测试,以生成测试结果。
根据本公开的第二方面,提供了一种文本审核模型的测试装置。
第一获取模块,用于获取待测试的文本审核模型及所述文本审核模型的类型;
第二获取模块,用于根据所述文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本;
变换模块,用于基于预设的变换规则,分别将所述多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中所述测试文本集中包括多个测试文本及每个测试文本对应的标签;
测试模块,用于利用所述测试文本集对所述文本审核模型进行测试,以生成测试结果。
根据本公开的第三方面,提供了一种电子设备,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上述一方面实施例所述的文本审核模型的测试方法。
根据本公开第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序,所述计算机指令用于使所述计算机执行上述一方面实施例所述的文本审核模型的测试方法。
根据本公开第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求上述一方面实施例所述的文本审核模型的测试方法。
本公开的文本审核模型的测试方法、装置、计算机设备及存储介质,至少存在以下有益效果:
该装置首先获取待测试的文本审核模型及文本审核模型的类型,然后根据文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本,然后基于预设的变换规则,分别将多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中测试文本集中包括多个测试文本及每个测试文本对应的标签,最后利用测试文本集对文本审核模型进行测试,以生成测试结果。由此,通过基于预设的变换规则对参考文本进行变换处理,自动生成测试文本集,从而不仅降低了测试文本的获取成本,而且丰富了测试文本集的数量和类型,提高了对文本审核模型测试结果的准确性和可靠性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种文本审核模型的测试方法的流程示意图;
图2是根据本公开实施例提供的另一种文本审核模型的测试方法的流程示意图;
图3为本公开实施例提供的一种文本审核模型的测试装置的结构示意图;
图4为根据本公开实施例的文本审核模型的测试方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
当前的网络平台内容迎来了大爆发,黑产经常利用网络平台的流量曝光机会,植入涉黄赌毒,垃圾广告等不良信息,给业务造成巨大损失。网络平台的内容安全已经成为了当前互联网生态治理的重要内容,而内容安全其中重要的组成部分就是文本审核。本公开中,为了提高对当前的文本审核模型的测试精度,提供了一种文本审核模型的测试方法。该方法通过基于预设的变换规则对参考文本进行变换处理,以获取测试文本集,从而丰富了测试文本集的数量和类型,提高了对文本审核模型测试结果的准确性和可靠性。
本公开中的文本审核模型的测试方法可以由本公开提供的文本审核模型的测试装置执行,该装置,可以被配置在任意电子设备中,其中,电子设备可以是服务器,也可以是台式电脑、笔记本电脑等终端设备。下面以,由本公开提供的“文本审核模型的测试装置”来执行本公开提供的文本审核模型的测试方法为例,来解释说明本公开,以下简称“装置”。
下面结合参考附图描述本公开文本审核模型的测试方法、装置、计算机设备和存储介质。
图1为本公开一个实施例提供文本审核模型的测试方法的流程示意图。
如图1所示,该文本审核模型的测试方法可以包括以下步骤:
步骤101,获取待测试的文本审核模型及文本审核模型的类型。
其中,文本审核模型可以有多种类型,不同类型的文本审核模型所需要的测试文本可以相同,也可以不同。比如,待测试的文本审核模型的类型可以为涉黄文本审核模型、涉赌文本审核模型、涉毒文本审核模型、涉宗教文本审核模型、涉恐文本审核模型等等,本公开对此不进行限定。其中,该文本审核模型用于在文本内容发布或者传播前,对文本内容进行审核,以删选出含有不良有害信息的文本内容,从而减少不良有害信息对网络用户的危害以及给公司业务造成的损失。
本公开中装置在对文本审核模型进行测试之前,需要先获取当前待测试的文本审核模型以及文本审核模型的类型,从而该装置可以针对文本审核模型的类型获取对其进行测试的文本。
步骤102,根据文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本。
其中,参考敏感文本,可以为任意包含有敏感词,或者有敏感语义的文本。其中,参考敏感文本,可以由任意形式的字符组成,比如可以为简体中文、繁体中文、拼音、英文、或者中文与拼音的组合等等种,本公开对此不进行限定。
另外,参考非敏感文本,可以为任意非敏感语义的文本,比如,非敏感词,或者可能包含了敏感词但是语义为非敏感语义的文本。举例来说,若敏感词为“911”,可以认为文本“911事件发生在哪一年”为包含敏感词但是本身不敏感的语句,进而该装置将可以将该文本作为参考非敏感文本。且参考非敏感文本,也可以由任意形式的字符组成,比如可以为简体中文、繁体中文、拼音、英文、或者中文与拼音的组合等等种,本公开对此不进行限定。
其中,参考文本集为预先设置的,包含各种类型的敏感文本及非敏感文本的文本数据集。该装置可以根据文本审核模型的类型,从参考文本集中选出与文本审核模型的类型对应的,多个参考敏感文本及多个参考非敏感文本。需要说明的是,从参考文本集中选出的多个参考敏感文本及多个参考非敏感文本中包含的敏感词应该属于同一类型。
步骤103,基于预设的变换规则,分别将多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中测试文本集中包括多个测试文本及每个测试文本对应的标签。
其中,预设的变换规则为在装置中预先设定的处理规则,该规则通过对待处理的文本进行一定的变换,比如对文本的顺序、语种、字形等进行一定的变换,使待处理的文本呈现为一种新的表现形式的文本。
可以理解的是,该装置通过将多个参考敏感文本及多个参考非敏感文本进行变换处理,可以得到更多种表现形式的敏感文本及非敏感文本,从而提高了原有测试样本的丰富度,解决原有测试样本不足或重复的问题。
进一步地,预设的变换规则可以为字形转换、字形混合、无声调的拼音变换、带声调的拼音变换、拼音混合、语言类型变换、顺序调换、指定位置字符抽取、文字镜像、插入指定符号、敏感文本与非敏感文本混合等,下面本公开将对上述预设的变换规则进行具体说明。
其中,字形转换是指将敏感词转换为另一种字形,比如,若敏感词为简体中文的字形,可以将敏感词转换为繁体中文的字形。举例来说,若敏感词为“测试数据”,该装置可以将“测试数据”转换为“測試數據”。
其中,字形混合是指将敏感词以至少两种不同的形式进行组合,以达到变换的目的,比如,若敏感词为“测试数据”,该装置可以将“测试数据”的简体中文“测试数据”与繁体中文“測試數據”进行混合,以形成另一种新词,比如测試数據”或“測试數据”。
可以理解的是,字形转换和字形混合的方式可以有很多,本公开在此只进行示意性说明,不进行限定。
其中,无声调的拼音变换是指将中文敏感词转换为无声调的拼音。比如,若敏感词为“测试数据”,该装置可以将“测试数据”转换为无声调的拼音“ce shi shu ju”。带声调的拼音变换是指将中文敏感词转换为带声调的拼音,比如将“测试数据”转换为有声调的拼音“cèshìshùjù”,且该声调可以为标准声调或非标准的其他声调,本公开对此不进行限定。或者,该装置也可以将敏感词的无音调的拼音跟有声调的拼音进行混合,本公开对此不进行限定。
其中,拼音混合为将敏感词的拼音与汉字进行混合,比如若敏感词为“测试数据”,则拼音混合的结果可以为“cè试shù据”,“ce试shu据”。该拼音可以为有声调的拼音或无声调的拼音,且拼音与汉字混合的顺序也可以为其他形式,本公开对此不进行限定。
其中,语言类型变换是指将当前的敏感词/句的文本转换为另一种语言类型的敏感词/句。比如,将中文敏感词转为英语敏感词/句、日语敏感词/句等,也可以将英语敏感词/句转换为中文敏感词/句,可以有很多,本公开对此不进行限定。
其中,顺序调换是指将当前的参考敏感文本或参考非敏感文本进行语序上的改动,可以为有序的改动或无序的改动。比如,若敏感词为“测试数据”,该装置可以将中文“测试数据”变换为“据数试测”、“试测据数”、“测据数试”等等,可以有多种改动方式,本公开对此不进行限定。
其中,指定位置字符抽取是指在原有的文本的指定位置上抽取一部分字符进行替换。举例来说,若原有的文本为“床前明月光,疑是地上霜,举头望明月,低头思故乡。”该装置可以将文本中的“床”、“疑”、“举”、“低”分别改为敏感词“测试数据”中的“测”、“试”、“数”、“据”,从而获得测试文本“测前明月光,试是地上霜,数头望明月,据头思故乡。”其中,该指定位置其可以为文本的句首,句中或句末,本公开对此不进行限定。
其中,文字镜像是指将敏感词文字通过翻转、反转或旋转等方式形成与原文字成镜像的文本。
其中,插入指定符号是指在敏感词中加入一个或几个特殊的字符,比如“?”、“!”、“@”等字符,可以有很多,本公开对此不进行限定。
其中,敏感文本与非敏感文本混合是指敏感词与非敏感词进行混合,比如,若非敏感词为“洗衣机”,敏感词为“盗版”,则将该非敏感词和敏感词混合的结果可以为“洗衣机盗版”、“盗版洗衣机”、“盗洗版衣机”等等,可以有很多混合方式,本公开对此不进行限定。
具体的,该装置在根据预设的变换规则将多个参考敏感文本及多个参考非敏感文本进行变换处理之后,可以获得测试文本集。其中,测试文本集中包括该装置根据预设的变换规则所生成的测试文本及每个测试文本对应的标签。可以理解的是,该标签可以为“强敏感文本”、“弱敏感文本”、“不敏感文本”等等,本公开对此不进行限定。其中,每一个测试文本对应一个标签,便于该装置后续基于该测试文本对应的标签,对测试结果的准确性进行判断。
步骤104,利用测试文本集对文本审核模型进行测试,以生成测试结果。
具体的,该装置可以利用准备好的测试文本集对一个或多个文本审核模型进行测试,以获取文本审核模型的测试结果。其中,该测试结果可以是准确率、召回率等指标,可以有一个或多个,本公开对此不进行限定。
举例来说,若要测试的指标为准确率,那么该装置可以将各个测试文本输入文本审核模型,以获取该文本审核模型输出的预测标签,进而将该预测标签与测试文本集中的标签进行比对,来确定该文本审核模型的准确性,通过统计文本审核模型对测试文本集中全部测试文本的预测标签与已知标签的一致性,即可确定该文本审核模型的准确率。
本公开实施例中该装置,首先获取待测试的文本审核模型及文本审核模型的类型,然后根据文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本,然后基于预设的变换规则,分别将多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中测试文本集中包括多个测试文本及每个测试文本对应的标签,最后利用测试文本集对文本审核模型进行测试,以生成测试结果。由此,通过基于预设的变换规则对参考文本进行变换处理,自动生成测试文本集,从而不仅降低了测试文本的获取成本,而且丰富了测试文本集的数量和类型,提高了对文本审核模型测试结果的准确性和可靠性。
图2为本公开另一个实施例提供文本审核模型的测试方法的流程示意图。
如图2所示,该文本审核模型的测试方法可以包括以下步骤:
图2为本公开另一个实施例提供文本审核模型的测试方法的流程示意图。
如图2所示,该文本审核模型的测试方法可以包括以下步骤:
步骤201,获取待测试的文本审核模型及文本审核模型的类型。
可以理解的是,本公开提供的文本审核模型的测试方法,可以通过一定的封装技术,封装为可以为第三方提供服务的应用。从而第三方通过基于待测试的文本审核模型及文本审核模型的类型调用该应用,即可触发文本审核模型的测试请求。在第三方调用该应用时,即第三方触发了文本审核模型的测试请求,从而装置即可获取到测试请求中的参数,比如待测试的文本审核模型及文本审核模型的类型等,本公开对此不进行限定。其中,第三方可以通过调用该装置的外部接口,发送调用数据,以触发文本审核模型测试请求。从而,该装置根据该请求确定待测试的文本审核模型以及文本审核模型的类型。
步骤202,根据文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本。
步骤203,基于预设的变换规则,将任一参考敏感文本和/或任一参考非敏感文本进行变换处理,以生成至少一个测试文本。
具体的,由于预设的变换规则有很多,因而该装置在将任一参考敏感文本和/或任一参考非敏感文本进行变换处理时,可以获得至少一个测试文本。
其中,该步骤中所述的预设的变换规则可以参照上述实施例中的步骤103。
步骤204,根据生成每个测试文本时,采用的参考文本类型和/或预设的变换规则,确定每个测试文本对应的标签。
需要说明的是,由于生成的每个测试文本,可以是采用了不同的预设的变换规则,或针对的参考文本不同,因而生成测试文本对应的标签可能是相同的,也可能是不同的。可以理解的是,基于不同的预设的变换规则对于同一参考文本进行变换处理后,生成的测试文本一般情况下是不相同的。比如,将敏感文本“测试数据”,基于“无声调的拼音变换”规则进行变换所生成的测试文本为“ceshishuju”,与基于“拼音混合”规则进行变换生成的测试文本“ce试shu据”不同,而不同的测试文本的语义可能相同,也可能不相同,即基于不同的预设的变换规则,对同一参考文本进行变换处理后生成的不同的测试文本对应的标签可能相同,也可能不同。
通常,可以基于预设的变换规则的类型,确定基于预设的变换规则,对参考文本进行变换处理后生成的测试文本对应的标签是否与原参考文本对应的标签相同。举例来说,若预设的变换规则为“简体转繁体”或“字形混合”等,由于该两种变换规则生成的测试文本,并不会改变文本原来的语义,从而可以认为生成的测试文本对应的标签与原参考文本的标签相同。
或者,若预设的变换规则为敏感文本与非敏感文本混合,由于混合生成的测试文本中可能包含敏感文本、且可能具有了敏感语义,因此,可以根据生成的测试文本的语义、文本的混合方式等,确定生成的测试文本对应的标签。
即本公开中,在将任一参考敏感文本中的部分敏感词与任一参考非敏感文本中的部分非敏感词进行混合,生成测试文本后,可以根据部分敏感词与非部分敏感词分别在所述测试文本中的比例、混合方式和/或所述测试文本的语义,确定所述测试文本对应的标签。
举例来说,若该装置在某一参考敏感文本中选择了敏感词A,在另一参考非敏感文本中选择了非敏感词B,那么该装置可以按照任意混合方式,将A和B混合,以生成测试文本。举例来说,以“B+A”或者“A+B”的混合方式将敏感词和非敏感词混合,则生成的测试文本分别为:“A+B”或者“B+A”。若生成的测试文本中,敏感词的语义无变化、且该新生成的测试文本的语义也具有敏感性,那么就可以确定该文本对应的标签为“敏感文本”。
或者,若该装置按照“A1+B1+A2+B2”的混合方式对敏感词A和非敏感词B进行混合,生成的测试文本为“A1+B1+A2+B2”。其中,A1、A2、B1和B2分别为敏感词和非敏感词中的字符或者字符片段。此时,若生成的测试文本“A1+B1+A2+B2”具备较弱的敏感性,从而可以确定该测试文本对应的标签为“弱敏感文本”。其中,混合方式可以有多种,本公开对此不进行限定。
或者,该装置还可以根据部分敏感词与部分非敏感词分别在测试文本中的混合比例,确定测试文本对应的标签。举例来说,若在生成的测试文本中敏感词的数量高于非敏感词,则该装置可以认为该测试文本对应的标签为“强敏感文本”的可能性较高。
或者,若生成的测试文本中敏感词的数量高于非敏感词数量,但是测试文本的语义为非敏感语义,那么也可以确定生成的测试文本对应的标签为“非敏感文本”。
需要说明的是,该装置在根据预设的规则,将参考敏感文本或参考非敏感文本进行变换处理后,生成测试文本后,不仅可以参考采用的预设的规则的类型、还可以根据生成的测试文本中敏感词的比例及测试文本的语义,来确定该测试文本对应的标签。举例来说,若测试文本中虽然包含敏感词、且敏感词所占比例较大,但整体语义不敏感,可以确定该文本对应的标签为“弱敏感文本”或“不敏感文本”,本公开对此不进行限定。
步骤205,利用测试文本集对文本审核模型进行测试,以生成测试结果。
可选的,本公开提供的文本审核模型的测试方法,不仅可以对某一个待测试的文本审核模型进行测试,还可以对多个文本审核模型进行同步测试,以确定多个文本审核模型的优劣。
可以理解的是,仅类型相同的模型,才具备可比性,即本公开中,若待测试的文本审核模型为多个时,多个待测试的文本审核模型的类型可以相同,从而该装置可以利用获取的测试文本集对该多个待测试的文本审核模型进行测试,以生成测试结果。
可选的,为了提高测试效率,该装置,可以通过利用多个线程对多个待测试的文本审核模型进行并行测试。
可选的,在确定多个待测试的文本审核模型对应的测试结果后,可以将多个测试结果进行对比展示。
可以理解的是,若测试结果为一方面的指标,比如准确率,那么该装置可以直接将对多个文本审核模型测试所得的准确率,进行对比展示;若测试结果为多方面的指标,比如准确率和召回率,那么该装置可以将多个文本审核模型最后的测试结果,分别按照准确率与召回率进行一一对比展示。
可选的,该测试结果可以以柱状图、线条图、曲线图等等任意形式进行展示,本公开对此不做限定。
需要说明的是,通过对多个模型按照相同的指标进行横向对比,也即,通过按照相同的指标,对各文本审核模型的测试结果进行统计并展示,可以直观的对比不同模型的优劣。从而可以解决当前技术不能很好的根据相同的测试文本集,对不同模型版本类型优劣进行评判的问题。
本公开实施例中该装置首先获取待测试的文本审核模型及文本审核模型的类型,然后根据文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本。然后基于预设的变换规则,将任一参考敏感文本和/或任一参考非敏感文本进行变换处理,以生成至少一个测试文本,接着根据生成每个测试文本时,采用的参考文本类型和/或预设的变换规则,确定每个测试文本对应的标签,最后利用测试文本集对文本审核模型进行测试,以生成测试结果。由此,在对待测试的文本审核模型进行测试时,基于参考文本集自动生成大量的、各种类型的测试文本及测试文本对应的标签,从而不仅降低了测试文本的获取成本,而且提高了对文本审核模型测试结果的准确性和可靠性。
为了实现上述实施例,本申请还提出一种智能设备的控制装置。
图3为本公开一实施例提出的文本审核模型的测试装置的结构示意图。
如图3所示,该智能设备的控制装置300包括:第一获取模块310、第二获取模块320、变换模块330及测试模块340。
第一获取模块,用于获取待测试的文本审核模型及所述文本审核模型的类型。
第二获取模块,用于根据所述文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本。
变换模块,用于基于预设的变换规则,分别将所述多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中所述测试文本集中包括多个测试文本及每个测试文本对应的标签。
测试模块,用于利用所述测试文本集对所述文本审核模型进行测试,以生成测试结果。
作为一种可能实现的方式,所述变换模块,具体用于:
基于预设的变换规则,将任一参考敏感文本和/或任一参考非敏感文本进行变换处理,以生成至少一个测试文本;
根据生成每个所述测试文本时,采用的参考文本类型和/或所述预设的变换规则,确定每个所述测试文本对应的标签。
作为一种可能实现的方式,所述预设的变换规则包括以下至少一项:字形转换、字形混合、无声调的拼音变换、带声调的拼音变换、拼音混合、语言类型变换、顺序调换、指定位置字符抽取、文字镜像、插入指定符号、敏感文本与非敏感文本混合。
作为一种可能实现的方式,所述预设的变换规则为敏感文本与非敏感文本混合,所述变换模块,具体用于:
将任一参考敏感文本中的部分敏感词与任一参考非敏感文本中的部分非敏感词进行混合,以生成测试文本;
根据所述部分敏感词与所述非部分敏感词分别在所述测试文本中的比例、混合方式和/或所述测试文本的语义,确定所述测试文本对应的标签。
作为一种可能实现的方式,所述待测试的文本审核模型为多个、且所述多个待测试的文本审核模型的类型相同,所述测试模块,具体用于:
利用所述测试文本集对所述多个文本审核模型分别进行测试,以获取每个所述文本审核模型对应的测试结果;
将多个所述测试结果进行对比展示。
作为一种可能实现的方式,所述第一获取模块,具体用于:
获取文本审核模型测试请求,所述测试请求中包括所述待测试的文本审核模型及所述文本审核模型的类型。
本公开实施例中,文本审核模型的测试装置首先获取待测试的文本审核模型及文本审核模型的类型,然后根据文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本,然后基于预设的变换规则,分别将多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中测试文本集中包括多个测试文本及每个测试文本对应的标签,最后利用测试文本集对文本审核模型进行测试,以生成测试结果。由此,通过基于预设的变换规则对参考文本进行变换处理,自动生成测试文本集,从而不仅降低了测试文本的获取成本,而且丰富了测试文本集的数量和类型,提高了对文本审核模型测试结果的准确性和可靠性。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。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/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如文本审核模型的测试方法。例如,在一些实施例中,文本审核模型的测试方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的文本审核模型的测试方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文本审核模型的测试方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)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)、互联网和区块链网络。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本公开实施例中该装置,首先获取待测试的文本审核模型及文本审核模型的类型,然后根据文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本,然后基于预设的变换规则,分别将多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中测试文本集中包括多个测试文本及每个测试文本对应的标签,最后利用测试文本集对文本审核模型进行测试,以生成测试结果。由此,通过基于预设的变换规则对参考文本进行变换处理,自动生成测试文本集,从而不仅降低了测试文本的获取成本,而且丰富了测试文本集的数量和类型,提高了对文本审核模型测试结果的准确性和可靠性。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (9)
1.一种文本审核模型的测试方法,其特征在于,包括:
获取待测试的文本审核模型及所述文本审核模型的类型;
根据所述文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本;
基于预设的变换规则,分别将所述多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中所述测试文本集中包括多个测试文本及每个测试文本对应的标签;
利用所述测试文本集对所述文本审核模型进行测试,以生成测试结果;
所述预设的变换规则为敏感文本与非敏感文本混合,所述基于预设的变换规则,分别将所述多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,包括:
将任一参考敏感文本中的部分敏感词与任一参考非敏感文本中的部分非敏感词进行混合,以生成测试文本;
根据所述部分敏感词与所述部分非敏感词分别在所述测试文本中的比例、混合方式和/或所述测试文本的语义,确定所述测试文本对应的标签。
2.如权利要求1所述的方法,其特征在于,所述基于预设的变换规则,分别将所述多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,包括:
基于预设的变换规则,将任一参考敏感文本和/或任一参考非敏感文本进行变换处理,以生成至少一个测试文本;
根据生成每个所述测试文本时,采用的参考文本类型和/或所述预设的变换规则,确定每个所述测试文本对应的标签。
3.如权利要求1所述的方法,其特征在于,所述预设的变换规则还包括以下至少一项:字形转换、字形混合、无声调的拼音变换、带声调的拼音变换、拼音混合、语言类型变换、顺序调换、指定位置字符抽取、文字镜像、插入指定符号。
4.如权利要求1-3任一所述的方法,其特征在于,所述待测试的文本审核模型为多个、且所述多个待测试的文本审核模型的类型相同,所述利用所述测试文本集对所述文本审核模型进行测试,以生成测试结果,包括:
利用所述测试文本集对所述多个文本审核模型分别进行测试,以获取每个所述文本审核模型对应的测试结果;
将多个所述测试结果进行对比展示。
5.如权利要求1-3任一所述的方法,其特征在于,所述获取待测试的文本审核模型及所述文本审核模型的类型,包括:
获取文本审核模型测试请求,所述测试请求中包括所述待测试的文本审核模型及所述文本审核模型的类型。
6.一种文本审核模型的测试装置,其特征在于,包括:
第一获取模块,用于获取待测试的文本审核模型及所述文本审核模型的类型;
第二获取模块,用于根据所述文本审核模型的类型,从参考文本集中获取多个参考敏感文本及多个参考非敏感文本;
变换模块,用于基于预设的变换规则,分别将所述多个参考敏感文本及多个参考非敏感文本进行变换处理,以生成测试文本集,其中所述测试文本集中包括多个测试文本及每个测试文本对应的标签;
测试模块,用于利用所述测试文本集对所述文本审核模型进行测试,以生成测试结果;
所述预设的变换规则为敏感文本与非敏感文本混合,所述变换模块具体用于:
将任一参考敏感文本中的部分敏感词与任一参考非敏感文本中的部分非敏感词进行混合,以生成测试文本;
根据所述部分敏感词与所述部分非敏感词分别在所述测试文本中的比例、混合方式和/或所述测试文本的语义,确定所述测试文本对应的标签。
7.一种电子设备,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1-5中任一项所述的方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
9.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110276895.1A CN112989789B (zh) | 2021-03-15 | 2021-03-15 | 文本审核模型的测试方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110276895.1A CN112989789B (zh) | 2021-03-15 | 2021-03-15 | 文本审核模型的测试方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112989789A CN112989789A (zh) | 2021-06-18 |
CN112989789B true CN112989789B (zh) | 2024-05-17 |
Family
ID=76336479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110276895.1A Active CN112989789B (zh) | 2021-03-15 | 2021-03-15 | 文本审核模型的测试方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989789B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114328242B (zh) * | 2021-12-30 | 2024-02-20 | 北京百度网讯科技有限公司 | 表单的测试方法、装置、电子设备和介质 |
CN116996216B (zh) * | 2023-09-25 | 2023-12-01 | 湖南马栏山视频先进技术研究院有限公司 | 一种应用于人工智能内容生成的数据安全处理方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107357778A (zh) * | 2017-06-22 | 2017-11-17 | 达而观信息科技(上海)有限公司 | 一种变形词的识别验证方法及系统 |
CN109471937A (zh) * | 2018-10-11 | 2019-03-15 | 平安科技(深圳)有限公司 | 一种基于机器学习的文本分类方法及终端设备 |
CN109670041A (zh) * | 2018-11-29 | 2019-04-23 | 天格科技(杭州)有限公司 | 一种基于双通道文本卷积神经网络的带噪非法短文本识别方法 |
CN109960808A (zh) * | 2019-03-26 | 2019-07-02 | 广东工业大学 | 一种文本识别方法、装置、设备及计算机可读存储介质 |
CN110309297A (zh) * | 2018-03-16 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 垃圾文本检测方法、可读存储介质和计算机设备 |
CN110580308A (zh) * | 2018-05-22 | 2019-12-17 | 北京京东振世信息技术有限公司 | 信息审核方法及装置、电子设备、存储介质 |
CN111143621A (zh) * | 2019-11-19 | 2020-05-12 | 京东数字科技控股有限公司 | 一种数据审核方法、装置及数据处理系统 |
CN111222316A (zh) * | 2020-01-03 | 2020-06-02 | 北京小米移动软件有限公司 | 文本检测方法、装置及存储介质 |
CN111783427A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 用于训练模型与输出信息的方法、装置、设备及存储介质 |
WO2020237872A1 (zh) * | 2019-05-24 | 2020-12-03 | 平安科技(深圳)有限公司 | 语义分析模型准确度的校验方法、装置、存储介质及设备 |
CN112487149A (zh) * | 2020-12-10 | 2021-03-12 | 浙江诺诺网络科技有限公司 | 一种文本审核方法、模型、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3008462A1 (en) * | 2016-04-05 | 2017-10-12 | Thomson Reuters Global Resources Unlimited Company | Self-service classification system |
US11126678B2 (en) * | 2019-03-05 | 2021-09-21 | Corinne Chantal David | Method and system to filter out harassment from incoming social media data |
-
2021
- 2021-03-15 CN CN202110276895.1A patent/CN112989789B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107357778A (zh) * | 2017-06-22 | 2017-11-17 | 达而观信息科技(上海)有限公司 | 一种变形词的识别验证方法及系统 |
CN110309297A (zh) * | 2018-03-16 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 垃圾文本检测方法、可读存储介质和计算机设备 |
CN110580308A (zh) * | 2018-05-22 | 2019-12-17 | 北京京东振世信息技术有限公司 | 信息审核方法及装置、电子设备、存储介质 |
CN109471937A (zh) * | 2018-10-11 | 2019-03-15 | 平安科技(深圳)有限公司 | 一种基于机器学习的文本分类方法及终端设备 |
CN109670041A (zh) * | 2018-11-29 | 2019-04-23 | 天格科技(杭州)有限公司 | 一种基于双通道文本卷积神经网络的带噪非法短文本识别方法 |
CN109960808A (zh) * | 2019-03-26 | 2019-07-02 | 广东工业大学 | 一种文本识别方法、装置、设备及计算机可读存储介质 |
WO2020237872A1 (zh) * | 2019-05-24 | 2020-12-03 | 平安科技(深圳)有限公司 | 语义分析模型准确度的校验方法、装置、存储介质及设备 |
CN111143621A (zh) * | 2019-11-19 | 2020-05-12 | 京东数字科技控股有限公司 | 一种数据审核方法、装置及数据处理系统 |
CN111222316A (zh) * | 2020-01-03 | 2020-06-02 | 北京小米移动软件有限公司 | 文本检测方法、装置及存储介质 |
CN111783427A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 用于训练模型与输出信息的方法、装置、设备及存储介质 |
CN112487149A (zh) * | 2020-12-10 | 2021-03-12 | 浙江诺诺网络科技有限公司 | 一种文本审核方法、模型、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112989789A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113807098B (zh) | 模型训练方法和装置、电子设备以及存储介质 | |
CN112989789B (zh) | 文本审核模型的测试方法、装置、计算机设备及存储介质 | |
US20230005283A1 (en) | Information extraction method and apparatus, electronic device and readable storage medium | |
CN110532567A (zh) | 短语的提取方法、装置、电子设备及存储介质 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN112507118A (zh) | 信息分类抽取方法、装置和电子设备 | |
CN113657395A (zh) | 文本识别方法、视觉特征提取模型的训练方法及装置 | |
CN112989797B (zh) | 模型训练、文本扩展方法,装置,设备以及存储介质 | |
CN113836462A (zh) | 页面描述文件的生成方法、装置、设备及存储介质 | |
CN116150394A (zh) | 用于知识图谱的知识抽取方法、装置、存储介质和设备 | |
CN114461665B (zh) | 用于生成语句转换模型的方法、装置及计算机程序产品 | |
CN113138760B (zh) | 一种页面生成方法、装置、电子设备和介质 | |
CN114880520A (zh) | 视频标题生成方法、装置、电子设备和介质 | |
CN112541346A (zh) | 摘要生成方法、装置、电子设备及可读存储介质 | |
CN114443802A (zh) | 一种接口文档处理方法、装置、电子设备和存储介质 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
US9292624B2 (en) | String generation tool | |
CN113961672A (zh) | 信息标注方法、装置、电子设备和存储介质 | |
CN113835893B (zh) | 数据处理的方法、装置、设备、存储介质及程序产品 | |
CN115965018B (zh) | 信息生成模型的训练方法、信息生成方法和装置 | |
CN113705206B (zh) | 情感预测模型的训练方法、装置、设备及存储介质 | |
CN114490976B (zh) | 对话摘要训练数据的生成方法、装置、设备及存储介质 | |
CN113591464B (zh) | 变体文本检测方法、模型训练方法、装置及电子设备 | |
CN114491040B (zh) | 信息挖掘方法及装置 | |
US20230084438A1 (en) | Method of generating text, method of training model, electronic device, and medium |
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 | ||
CB02 | Change of applicant information |
Address after: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Beijing Economic and Technological Development Zone, Beijing 100176 Applicant after: Jingdong Technology Information Technology Co.,Ltd. Address before: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Beijing Economic and Technological Development Zone, Beijing 100176 Applicant before: Jingdong Shuke Haiyi Information Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |