CN113538002A - 用于审核文本的方法和装置 - Google Patents
用于审核文本的方法和装置 Download PDFInfo
- Publication number
- CN113538002A CN113538002A CN202010291536.9A CN202010291536A CN113538002A CN 113538002 A CN113538002 A CN 113538002A CN 202010291536 A CN202010291536 A CN 202010291536A CN 113538002 A CN113538002 A CN 113538002A
- Authority
- CN
- China
- Prior art keywords
- text
- audited
- auditing
- model
- feature vector
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000013598 vector Substances 0.000 claims abstract description 111
- 238000012550 audit Methods 0.000 claims abstract description 37
- 230000004044 response Effects 0.000 claims abstract description 18
- 239000002537 cosmetic Substances 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 abstract description 24
- 238000012549 training Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 208000002193 Pain Diseases 0.000 description 3
- 238000001784 detoxification Methods 0.000 description 3
- 230000007721 medicinal effect Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000008961 swelling Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000003053 toxin Substances 0.000 description 2
- 231100000765 toxin Toxicity 0.000 description 2
- 108700012359 toxins Proteins 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了用于审核文本的方法和装置。该方法的一具体实施方式包括:获取物品预先关联的待审核文本,获取用于表征物品的目标属性的属性信息;响应于确定待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本;确定用于表征属性信息的第一特征向量和用于表征待审核子文本的第二特征向量;将第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示待审核子文本是否通过审核的审核结果,其中,文本审核模型为Wide And Deep模型;响应于确定得到的审核结果指示待审核子文本未通过审核,生成用于提示待审核文本未通过审核的提示信息。该实施方式实现了包含敏感词的文本的快速审核。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于审核文本的方法和装置。
背景技术
电子商务的快速发展对人们的生活带来了极大的改变。目前,许多电商平台都可以提供海量的物品以供用户挑选和购买。一般地,电商平台在向用户展示物品时,通常都展示有物品的简要或详细地各种介绍信息(如物品的说明书、功能介绍、宣传语等等)。
由于一些物品的展示信息中,可能会出现违规或不合法的用语,也可能出现一些虚假信息。例如,对于化妆品来说,在电商平台上展示的化妆品的说明书中或宣传语等中可能存在违法的医疗用语(如抗炎、疏通经络、治疗失眠、排毒等等)。因此,电商平台通常在上架各种物品前,需要对物品的展示信息进行审核,以避免出现上述等违规或违法等情况。
目前,许多电商平台对于物品的展示信息的审核通常需要使用人工审核的方法。但是随着电商平台所上架的物品的飞速增长,人工审核的方式很难及时地覆盖到所有的物品。
发明内容
本公开的实施例提出了用于审核文本的方法和装置。
第一方面,本公开的实施例提供了一种用于审核文本的方法,该方法包括:获取物品预先关联的待审核文本,以及获取用于表征物品的目标属性的属性信息;响应于确定待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本;确定用于表征属性信息的第一特征向量和用于表征待审核子文本的第二特征向量;将第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示待审核子文本是否通过审核的审核结果,其中,文本审核模型为Wide And Deep模型,第一特征向量作为Wide模型的输入,第二特征向量作为Deep模型的输入;响应于确定得到的审核结果指示待审核子文本未通过审核,生成用于提示待审核文本未通过审核的提示信息。
在一些实施例中,上述属性信息包括用于表征物品的类目的类目信息。
在一些实施例中,上述提取敏感词所在的子文本作为待审核子文本,包括:提取敏感词所在的、目标长度的子文本作为待审核子文本。
在一些实施例中,确定用于表征属性信息的第一特征向量和用于表征待审核子文本的第二特征向量,包括:基于独热one-hot编码技术确定用于表征属性信息的第一特征向量;利用预先训练的Word2vec模型确定用于表征待审核子文本的第二特征向量。
在一些实施例中,上述第一特征向量的维度和第二特征向量的维度相同。
在一些实施例中,上述类目信息用于表征物品的二级类目和三级类目。
在一些实施例中,上述物品属于化妆品;以及上述敏感词包括医疗用语。
第二方面,本公开的实施例提供了一种用于审核文本的装置,该装置包括:获取单元,被配置成获取物品预先关联的待审核文本,以及获取用于表征物品的目标属性的属性信息;提取单元,被配置成响应于确定待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本;确定单元,被配置成确定用于表征属性信息的第一特征向量和用于表征待审核子文本的第二特征向量;审核单元,被配置成将第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示待审核子文本是否通过审核的审核结果,其中,文本审核模型为Wide And Deep模型,第一特征向量作为Wide模型的输入,第二特征向量作为Deep模型的输入;提示单元,被配置成响应于确定得到的审核结果指示待审核子文本未通过审核,生成用于提示待审核文本未通过审核的提示信息。
在一些实施例中,上述属性信息包括用于表征所述物品的类目的类目信息。
在一些实施例中,上述提取单元,进一步被配置成提取敏感词所在的、目标长度的子文本作为待审核子文本。
在一些实施例中,上述确定单元,进一步被配置成基于独热one-hot编码技术确定用于表征属性信息的第一特征向量;利用预先训练的Word2vec模型确定用于表征待审核子文本的第二特征向量。
在一些实施例中,上述第一特征向量的维度和第二特征向量的维度相同。
在一些实施例中,上述类目信息用于表征上述物品的二级类目和三级类目。
在一些实施例中,上述物品属于化妆品;以及上述敏感词包括医疗用语。
第三方面,本公开的实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的用于审核文本的方法和装置,通过将用于表征物品对应的包含敏感词的待审核子文本的第一特征向量作为预先基于Wide And Deep模型训练的文本审核模型中的Deep模型的输入,同时将用于表征物品的目标属性的属性信息的第二特征向量作为预先训练的文本审核模型中的Wide模型的输入,从而得到指示包含敏感词的待审核子文本是否通过审核的审核结果,进而可以向用户提示未通过审核的待审核子文本对应的待审核文本,由此可以及时地完成物品关联的待审核文本的审核,且无需人工审核。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于审核文本的方法的一个实施例的流程图;
图3是根据本公开的用于审核文本的方法的又一个实施例的流程图;
图4是根据本公开的实施例的用于审核文本的方法的一个应用场景的示意图;
图5是根据本公开的用于审核文本的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于审核文本的方法或用于审核文本的装置的实施例的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如,浏览器类应用、搜索类应用、即时通信类应用、购物类应用等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103上安装的客户端应用提供后端支持的后端服务器。服务器105可以对终端设备101、102、103发送的物品预先关联的待审核文本进行审核,并生成指示待审核文本是否通过审核的审核结果。
需要说明的是,上述物品预先关联的待审核文本也可以直接存储在服务器105的本地,服务器105可以直接提取本地所存储的物品预先关联的待审核文本并进行处理,此时,可以不存在终端设备101、102、103和网络104。
需要说明的是,本公开的实施例所提供的用于审核文本的方法一般由服务器105执行,相应地,用于审核文本的装置一般设置于服务器105中。
还需要指出的是,终端设备101、102、103中也可以安装有用于审核文本的应用或工具等。终端设备101、102、103也可以基于用于审核文本的应用或工具等对物品预先关联的待审核文本进行审核,此时,用于审核文本的方法也可以由终端设备101、102、103执行,相应地,用于审核文本的装置也可以设置于终端设备101、102、103中。此时,示例性系统架构100可以不存在服务器105和网络104。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本公开的用于审核文本的方法的一个实施例的流程200。该用于审核文本的方法包括以下步骤:
步骤201,获取物品预先关联的待审核文本,以及获取用于表征物品的目标属性的属性信息。
在本实施例中,物品可以是各种各样的物品。例如,物品可以是食品、电子产品、服饰品等等。物品预先关联的待审核文本可以是物品相关的各种信息。例如,待审核文本可以用于介绍、说明、描述或宣传物品的属性。举例来说,待审核文本可以是物品的说明书、宣传用语等等。应当可以理解,物品与其对应的待审核文本之间的关联关系可以预先设置。
在本实施例中,物品的目标属性可以是物品的各种属性。物品的目标属性可以由技术人员根据实际的应用需求预先灵活指定。不同物品的目标属性可以相同,也可以不同。例如,目标属性可以是物品的品牌、价值(如零售价、价格等)或销量等等。其中,可以灵活采用各种用于描述物品的目标属性的信息作为属性信息。
在本实施例中,用于审核文本的方法的执行主体(如图1所示的服务器105)可以从本地、其他存储设备(如图1所示的终端设备101、102、103等)、所连接的数据库等获取物品预先关联的待审核文本和上述属性信息。应当可以理解,待审核文本和属性信息可以从同一数据源获取,也可以从不同数据源获取。
可选地,上述执行主体可以从本地、其他存储设备(如图1所示的终端设备101、102、103等)、所连接的数据库等先获取呈现有待审核文本的图像、视频或音频等。
一些情况下,如电商平台展示物品的相关信息的方式可能是通过呈现有预设文本的图像、对应预设文本的视频或音频等等。此时,可以通过图像处理技术(如光学字符识别等)、视频处理技术或音频处理技术等对图像、视频或音频等进行处理,得到图像、视频或音频等其中所呈现的文本作为待审核文本。
可选地,在得到图像、视频或音频等其中所呈现的文本之后,可以先根据实际的应用需求对得到的文本进行数据清洗操作(如删除特殊符号、仅保留中文等等),并将经过数据清洗操作之后的文本作为待审核文本,从而有助于提升之后得到的待审核文本的审核结果的准确性。
步骤202,响应于确定待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本。
在本实施例中,敏感词可以由技术人员根据实际的应用需求进行设置。例如,敏感词可以是可能造成违规情况的词。应当可以理解,根据不同的应用场景,敏感词可以为一个,也可以为多个。
可选地,上述物品可以属于化妆品。此时,敏感词可以包括医疗用语。由于化妆品所关联的文本中可能会出现涉及医疗用语的违规使用。因此,可以将各种医疗用语作为敏感词。
作为示例,若一化妆品关联的待审核文本为“可消除痘痘引起的红肿刺痛”。此时,该待审核文本由于涉及明示医疗作用的内容,是不符合化妆品相关管理规定的。因此,该待审核文本是不能通过审核的。若该化妆品关联的待审核文本为“若引起红肿刺痛,请停止使用”。此时,该待审核文本虽然有医疗用语,但是并不涉及明示或暗示医疗作用的内容。因此,该待审文本时可以通过审核的。
在本实施例中,上述执行主体可以通过字符匹配的方式确定待审核文本中是否存在敏感词。若待审核文本中存在敏感词,可以提取敏感词所在的子文本。
其中,所提取的敏感词所在的子文本可以根据不同的应用场景灵活设置。例如,可以将敏感词所在的句子作为敏感词所在的子文本。
可选地,可以提取敏感词所在的、目标长度的子文本作为待审核子文本。其中,目标长度可以由技术人员预先设置。
例如,可以将敏感词前第一数目个词、敏感词,以及敏感词后第二数目个词组成的文本作为敏感词所在的子文本。其中,第一数目和第二数目的总和对应的文本长度等于上述目标长度。
步骤203,确定用于表征属性信息的第一特征向量和用于表征待审核子文本的第二特征向量。
在本实施例中,可以利用现有的各种文本特征提取方法(如词袋法、Countvectorizer、TfidfVectorizer等等)确定用于表征上述属性信息的第一特征向量和用于表征待审核子文本的第二特征向量。
可选地,可以利用预先训练的Word2vec模型确定用于表征属性信息的第一特征向量和/或用于表征待审核子文本的第二特征向量。
其中,Word2vec模型是可以用于产生词向量或字向量的模型。换言之,Word2vec模型可以将字或词映射到一个向量。作为示例,可以预先训练Skip-gram模型,以用于确定用于表征属性信息的第一特征向量和/或用于表征待审核子文本的第二特征向量。
可选地,可以基于独热one-hot编码技术确定用于表征属性信息的第一特征向量和/或用于表征待审核子文本的第二特征向量。
其中,one-hot编码(又称一位有效编码),主要采用N位状态寄存器来对N个状态进行编码,每个状态都由独立的寄存器位,并且在任意时候只有一位有效。one-hot编码是分类变量作为二进制向量的表示。
需要说明的是,上述Word2vec模型、Skip-gram模型one-hot编码技术,以及Word2vec模型、Skip-gram模型的训练都是目前广泛研究和应用的公知技术,在此不再赘述。
可选地,可以采用FastText或Glove等方法确定用于表征属性信息的第一特征向量和/或用于表征待审核子文本的第二特征向量。
可选地,第一特征向量的维度和第二特征向量的维度可以相同,以便于之后对第一特征向量的维度和第二特征向量的处理。例如,可以采用现有的各种降维方法对第一特征向量的维度或第二特征向量进行处理,以使第一特征向量的维度和第二特征向量的维度相同。
步骤204,将第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示待审核子文本是否通过审核的审核结果。
在本实施例中,文本审核模型可以为Wide And Deep模型(Wide&Deep),且将上述第一特征向量作为文本审核模型中的Wide模型的输入,将上述第二特征向量作为文本审核模型中的Deep模型的输入。
其中,Wide And Deep模型是可以用于分类和回归的模型。Wide And Deep模型的核心思想是结合并平衡线性模型(Wide模型)的记忆能力(memorization)和深度学习模型(Deep模型)的泛化能力(generalization)在训练过程中同时优化两个模型的参数,从而使得整体模型的处理能力达到最优。
在本实施例中,文本审核模型可以根据输入的第一特征向量和第二特征向量,确定第二特征向量指示的包含敏感词的待审核子文本是否通过审核。应当可以理解,待审核子文本对应的审核结果与待审核子文本对应的待审核文本对应的审核结果相同。换言之,若确定待审核子文本未通过审核,则可以表明待审核子文本对应待审核文本未通过审核。若确定待审核子文本通过审核,则可以表明待审核子文本对应待审核文本通过审核。
其中,文本审核模型可以利用现有的机器学习方法训练得到。例如,可以先获取现有的一些开源地Wide And Deep模型作为初始模型,或者可以由技术人员根据实际的应用需求搭建Wide And Deep模型作为初始模型。然后可以获取训练样本集。其中,训练样本集中的训练样本可以包括用于表征物品的属性信息的第一特征向量和用于表征包含敏感词的待审核子文本的第二特征向量,以及待审核子文本的审核结果。之后,可以利用训练样本集和预设的损失函数对初始模型进行训练,以得到训练后的初始模型作为文本审核模型。
可选地,在预先训练文本审核模型,以及预先训练Word2vec模型时,都可以使用GPU(Graphics Processing Unit,图形处理器)完成模型训练过程,以提升模型训练速度。
在模型的训练过程中,可以将文本审核模型的训练数据划分为训练集、验证集、测试集,以利用训练集完成文本审核模型的训练,同时使用验证集和测试集对模型进行评估、验证或优化等,以确定最优的文本审核模型。
步骤205,响应于确定得到的审核结果指示待审核子文本未通过审核,生成用于提示待审核文本未通过审核的提示信息。
在本实施例中,若待审核子文本未通过审核,则可以表明待审核子文本对应的待审核文本未通过审核。此时,上述执行主体可以生成用于提示待审核文本未通过审核的提示信息。
其中,根据不同的应用场景和应用需求,提示信息可以是各种形式的信息。例如,提示信息可以是文本、音频等等。
可选地,响应于确定得到的审核结果指示待审核子文本通过审核,也可以生成用于提示待审核文本通过审核的提示信息。
而且,上述执行主体在生成上述提示信息之后,可以向用户展示提示信息以供用户了解审核结果。例如,上述执行主体可以直接利用其自身的显示装置(如显示屏)向用户展示提示信息,也可以向用户所使用的终端设备发送提示信息,并由用户所使用的终端设备向用户展示提示信息。又例如,上述执行主体也可以通过邮件、短信等形式向用户展示所生成的提示信息。
在本实施例的一些可选的实现方式中,物品可以属于化妆品。此时,敏感词可以包括预设的各种医疗用语。由于化妆品所关联的文本(如一些宣传语、广告语、产品介绍、说明书等等)中通常是禁止出现明示或暗示具有医疗作用的相关内容。因此,可以预先设置各种医疗用语作为敏感词,将化妆品所关联的包含有医疗用语的文本作为待审核文本进行审核,以避免出现违规的文本。
在本实施例的一些可选地实现方式中,物品的目标属性可以是物品对应的物品集中的各个物品的历史审核结果。其中,物品对应的物品集可以根据实际的应用场景进行设置。例如,一物品对应的物品集可以由与该物品具有相同类目的物品组成。又例如,一物品对应的物品集可以由与该物品具有相同的生产厂家的物品组成。由此,可以基于物品对应的物品集中的各个物品的历史审核结果确定待审核文本的审核结果,以提升审核结果的准确性和稳定性。
在本实施例的一些可选地实现方式中,物品的目标属性可以为物品的类目。此时,属性信息可以包括用于表征物品的类目的类目信息。
其中,物品的类目可以为物品的任一级类目。例如,可以为物品的一级类目,也可以为物品的二级类目等。
可选地,物品的类目可以物品的多级类目。例如,物品的类目可以为物品的二级类目和三级类目。此时,类目信息可以用于表征物品的二级类目和三级类目。
应当可以理解,选取哪个级别的类目可以由技术人员根据实际的应用需求和应用场景灵活设置,以选取适当粒度的类目信息进行处理。
在实际的应用场景中,根据实际的应用需求可以采用GPU完成文本审核模型对包含敏感词的文本的审核,以更好地实现实时的文本审核。
现有技术中,通常需要借助人工审核完成对物品所关联的待审核文本的审核。这种方式在存在大量物品时,人工审核的方式通常审核效率较低,而且通常无法完成对所有物品分别关联的待审核文本的审核。另外,人工审核的方式可能会出现审核标准不同的情况,从而影响审核结果的准确性和稳定性。
本公开的上述实施例提供的方法利用基于Wide And Deep模型训练的文本审核模型,并将物品对应的属性信息对应的特征向量作为Wide模型的输入和物品对应的包含敏感词的待审核子文本对应的特征向量作为Deep模型的输入,以得到待审核文本的审核结果。由此,利用Wide And Deep模型可以快速地完成大量的物品所关联的待审核文本的审核,避免出现人工审核所造成的审核效率低且可能无法覆盖所有物品对应的待审核文本的审核的问题,同时可以保证审核标准的统一,进而保证审核结果的准确性和稳定性。
进一步参考图3,其示出了用于审核文本的方法的又一个实施例的流程300。该用于审核文本的方法的流程300,包括以下步骤:
步骤301,获取化妆品预先关联的待审核文本,以及获取用于表征化妆品的类目的类目信息。
在本实施例中,化妆品预先关联的待审核文本可以是化妆品的宣传语、广告语、产品介绍、说明书等等。类目信息可以用于表征化妆品的二级类目和三级类目。
步骤302,响应于确定待审核文本中存在医疗用语,提取医疗用语所在的子文本作为待审核子文本。
在本实施例中,可以提取医疗用语之前的第一预设长度的文本和医疗用语之后的第二预设长度的文本与医疗用语组成的子文本作为待审核子文本。
步骤303,基于独热one-hot编码技术确定用于表征类目信息的第一特征向量,以及利用预先训练的Word2vec模型确定用于表征待审核子文本的第二特征向量。
在本实施例中,第一特征向量和第二特征向量的维度可以相同。
步骤304,将第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示待审核子文本是否通过审核的审核结果。
步骤305,响应于确定得到的审核结果指示待审核子文本未通过审核,生成用于提示待审核文本未通过审核的提示信息。
上述步骤301-305中未具体说明的内容的具体的执行过程可参考图2对应实施例中的步骤201-205的相关说明,在此不再赘述。
继续参见图4,图4是根据本实施例的用于审核文本的方法的应用场景的一个示意图400。在图4的应用场景中,对于待在电商平台上架的化妆品,可以从化妆品的所要展示的宣传图中提取化妆品的宣传语401。如图中标号401所示,化妆品的宣传语为“女性排毒期间可以使用该产品”。由于该化妆品的宣传语401中存在医疗用语“排毒”。因此,可以提取“排毒”所在的子文本4011“女性排毒期间”。同时,可以获取该化妆品的二级类目和三级类目402。
然后,可以基于one-hot编码技术得到用于表征该化妆品的二级类目和三级类目402的类目特征向量,同时,利用预先训练的Word2vec模型得到子文本4011的文本特征向量。
之后,可以将得到的类目特征向量输入至预先基于WIDE&DEEP模型训练的文本审核模型403中的WIDE模型,并将得到的文本特征向量输入至文本审核模型403中的DEEP模型,以得到审核结果404。如图中标号404所示,审核结果指示子文本4011通过审核。即表示该化妆品的宣传语401通过审核,不存在违规情况。基于此,可以允许在电商平台上架该化妆品,以向用户展示该化妆品的、呈现有宣传语401的宣传图。
否则,若化妆品的宣传语未通过审核,存在违规情况,则可以阻止该化妆品的上架或销售,由此也可以避免违规的宣传语对消费者的购买行为产生一定程度上的误导,导致比较差的购物体验。
本公开的上述实施例提供的方法通过对于所关联的待审核文本存在医疗用语的化妆品,可以提取医疗用语所在的子文本,以及获取化妆品的类目信息,并基于此,将化妆品的类目信息对应的特征向量作为基于WIDE&DEEP模型预先训练的文本审核模型中的WIDE模型的输入,同时将医疗用语所在的子文本对应的特征向量作为DEEP模型输入,以得到文本审核模型输出的审核结果。由此,可以有效地提升对化妆品所关联的文本的审核效率,同时避免出现审核标准不一致的问题,提升审核结果的准确性和稳定性。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了用于审核文本的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的用于审核文本的装置500包括获取单元501、提取单元502、确定单元503、审核单元504和提示单元505。其中,获取单元501被配置成获取物品预先关联的待审核文本,以及获取用于表征物品的目标属性的属性信息;提取单元502被配置成响应于确定待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本;确定单元503被配置成确定用于表征属性信息的第一特征向量和用于表征待审核子文本的第二特征向量;审核单元504被配置成将第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示待审核子文本是否通过审核的审核结果,其中,文本审核模型为Wide And Deep模型,第一特征向量作为Wide模型的输入,第二特征向量作为Deep模型的输入;提示单元505被配置成响应于确定得到的审核结果指示待审核子文本未通过审核,生成用于提示待审核文本未通过审核的提示信息。
在本实施例中,用于审核文本的装置500中:获取单元501、提取单元502、确定单元503、审核单元504和提示单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述属性信息包括用于表征物品的类目的类目信息。
在本实施例的一些可选的实现方式中,上述提取单元502进一步被配置成提取敏感词所在的、目标长度的子文本作为待审核子文本。
在本实施例的一些可选的实现方式中,上述确定单元503进一步被配置成基于独热one-hot编码技术确定用于表征属性信息的第一特征向量;利用预先训练的Word2vec模型确定用于表征待审核子文本的第二特征向量。
在本实施例的一些可选的实现方式中,上述第一特征向量的维度和第二特征向量的维度相同。
在本实施例的一些可选的实现方式中,上述类目信息用于表征上述物品的二级类目和三级类目。
在本实施例的一些可选的实现方式中,上述物品属于化妆品;以及上述敏感词包括医疗用语。
本公开的上述实施例提供的装置,通过获取单元获取物品预先关联的待审核文本,以及获取用于表征物品的目标属性的属性信息;提取单元响应于确定待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本;确定单元确定用于表征属性信息的第一特征向量和用于表征待审核子文本的第二特征向量;审核单元将第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示待审核子文本是否通过审核的审核结果,其中,文本审核模型为Wide And Deep模型,第一特征向量作为Wide模型的输入,第二特征向量作为Deep模型的输入;提示单元响应于确定得到的审核结果指示待审核子文本未通过审核,生成用于提示待审核文本未通过审核的提示信息。可以快速地完成大量的物品所关联的待审核文本的审核,避免出现人工审核所造成的审核效率低且可能无法覆盖所有物品对应的待审核文本的审核的问题,同时可以保证审核标准的统一,进而保证审核结果的准确性和稳定性。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取物品预先关联的待审核文本,以及获取用于表征物品的目标属性的属性信息;响应于确定待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本;确定用于表征属性信息的第一特征向量和用于表征待审核子文本的第二特征向量;将第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示待审核子文本是否通过审核的审核结果,其中,文本审核模型为Wide AndDeep模型,第一特征向量作为Wide模型的输入,第二特征向量作为Deep模型的输入;响应于确定得到的审核结果指示待审核子文本未通过审核,生成用于提示待审核文本未通过审核的提示信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、提取单元、确定单元、审核单元和提示单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取物品预先关联的待审核文本,以及获取用于表征物品的目标属性的属性信息的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于审核文本的方法,包括:
获取物品预先关联的待审核文本,以及获取用于表征所述物品的目标属性的属性信息;
响应于确定所述待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本;
确定用于表征所述属性信息的第一特征向量和用于表征所述待审核子文本的第二特征向量;
将所述第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示所述待审核子文本是否通过审核的审核结果,其中,所述文本审核模型为Wide And Deep模型,所述第一特征向量作为Wide模型的输入,所述第二特征向量作为Deep模型的输入;
响应于确定得到的审核结果指示所述待审核子文本未通过审核,生成用于提示所述待审核文本未通过审核的提示信息。
2.根据权利要求1所述的方法,其中,所述属性信息包括用于表征所述物品的类目的类目信息。
3.根据权利要求1所述的方法,其中,所述提取敏感词所在的子文本作为待审核子文本,包括:
提取所述敏感词所在的、目标长度的子文本作为待审核子文本。
4.根据权利要求1所述的方法,其中,所述确定用于表征所述属性信息的第一特征向量和用于表征所述待审核子文本的第二特征向量,包括:
基于独热one-hot编码技术确定用于表征所述属性信息的第一特征向量;
利用预先训练的Word2vec模型确定用于表征所述待审核子文本的第二特征向量。
5.根据权利要求1所述的方法,其中,所述第一特征向量的维度和所述第二特征向量的维度相同。
6.根据权利要求2所述的方法,其中,所述类目信息用于表征所述物品的二级类目和三级类目。
7.根据权利要求1-6之一所述的方法,其中,所述物品属于化妆品;以及
所述敏感词包括医疗用语。
8.一种用于审核文本的装置,包括:
获取单元,被配置成获取物品预先关联的待审核文本,以及获取用于表征所述物品的目标属性的属性信息;
提取单元,被配置成响应于确定所述待审核文本中存在敏感词,提取敏感词所在的子文本作为待审核子文本;
确定单元,被配置成确定用于表征所述属性信息的第一特征向量和用于表征所述待审核子文本的第二特征向量;
审核单元,被配置成将所述第一特征向量和第二特征向量输入至预先训练的文本审核模型,得到用于指示所述待审核子文本是否通过审核的审核结果,其中,所述文本审核模型为Wide And Deep模型,所述第一特征向量作为Wide模型的输入,所述第二特征向量作为Deep模型的输入;
提示单元,被配置成响应于确定得到的审核结果指示所述待审核子文本未通过审核,生成用于提示所述待审核文本未通过审核的提示信息。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010291536.9A CN113538002A (zh) | 2020-04-14 | 2020-04-14 | 用于审核文本的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010291536.9A CN113538002A (zh) | 2020-04-14 | 2020-04-14 | 用于审核文本的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113538002A true CN113538002A (zh) | 2021-10-22 |
Family
ID=78120017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010291536.9A Pending CN113538002A (zh) | 2020-04-14 | 2020-04-14 | 用于审核文本的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538002A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114489432A (zh) * | 2021-12-27 | 2022-05-13 | 掌阅科技股份有限公司 | 电子书审核方法、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160092740A1 (en) * | 2014-09-29 | 2016-03-31 | David Teller | Image auditing method and system |
CN106897422A (zh) * | 2017-02-23 | 2017-06-27 | 百度在线网络技术(北京)有限公司 | 文本处理方法、装置及服务器 |
CN109446837A (zh) * | 2018-10-12 | 2019-03-08 | 深圳前海微众银行股份有限公司 | 基于敏感信息的文本审核方法、设备及可读存储介质 |
CN109657243A (zh) * | 2018-12-17 | 2019-04-19 | 江苏满运软件科技有限公司 | 敏感信息识别方法、系统、设备及存储介质 |
CN110019763A (zh) * | 2017-12-27 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 文本过滤方法、系统、设备及计算机可读存储介质 |
CN110442875A (zh) * | 2019-08-12 | 2019-11-12 | 北京思维造物信息科技股份有限公司 | 一种文本审核方法、装置及系统 |
CN110674529A (zh) * | 2019-09-24 | 2020-01-10 | 恩亿科(北京)数据科技有限公司 | 一种基于数据安全信息的文档审核方法及文档审核装置 |
-
2020
- 2020-04-14 CN CN202010291536.9A patent/CN113538002A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160092740A1 (en) * | 2014-09-29 | 2016-03-31 | David Teller | Image auditing method and system |
CN106897422A (zh) * | 2017-02-23 | 2017-06-27 | 百度在线网络技术(北京)有限公司 | 文本处理方法、装置及服务器 |
CN110019763A (zh) * | 2017-12-27 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 文本过滤方法、系统、设备及计算机可读存储介质 |
CN109446837A (zh) * | 2018-10-12 | 2019-03-08 | 深圳前海微众银行股份有限公司 | 基于敏感信息的文本审核方法、设备及可读存储介质 |
CN109657243A (zh) * | 2018-12-17 | 2019-04-19 | 江苏满运软件科技有限公司 | 敏感信息识别方法、系统、设备及存储介质 |
CN110442875A (zh) * | 2019-08-12 | 2019-11-12 | 北京思维造物信息科技股份有限公司 | 一种文本审核方法、装置及系统 |
CN110674529A (zh) * | 2019-09-24 | 2020-01-10 | 恩亿科(北京)数据科技有限公司 | 一种基于数据安全信息的文档审核方法及文档审核装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114489432A (zh) * | 2021-12-27 | 2022-05-13 | 掌阅科技股份有限公司 | 电子书审核方法、电子设备及存储介质 |
CN114489432B (zh) * | 2021-12-27 | 2024-04-09 | 掌阅科技股份有限公司 | 电子书审核方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20120278253A1 (en) | Determining sentiment for commercial entities | |
CN110569502A (zh) | 一种违禁广告语的识别方法、装置、计算机设备及存储介质 | |
CN110070076B (zh) | 用于选取训练用样本的方法和装置 | |
WO2024099457A1 (zh) | 一种信息推荐方法、装置、存储介质及电子设备 | |
CN109101309B (zh) | 用于更新用户界面方法和装置 | |
CN114004700A (zh) | 业务数据处理方法、装置、电子设备及存储介质 | |
CN113781149A (zh) | 信息推荐方法、装置、计算机可读存储介质及电子设备 | |
CN113869969A (zh) | 问答信息处理、商品信息展示方法、设备及存储介质 | |
CN113538002A (zh) | 用于审核文本的方法和装置 | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN111125502B (zh) | 用于生成信息的方法和装置 | |
CN108664610B (zh) | 用于处理数据的方法和装置 | |
CN113268575B (zh) | 一种实体关系识别方法、装置及可读介质 | |
Buzzi et al. | User trust in ecommerce services: perception via screen reader | |
CN109857838B (zh) | 用于生成信息的方法和装置 | |
CN114445190A (zh) | 商品推荐方法和装置 | |
CN112348615A (zh) | 用于审核信息的方法和装置 | |
US10657692B2 (en) | Determining image description specificity in presenting digital content | |
CN113326461A (zh) | 跨平台内容分发方法、装置、设备以及存储介质 | |
CN113570205A (zh) | 基于单分类的api风险设备识别方法、装置及电子设备 | |
CN113112326A (zh) | 一种用户识别方法、向用户展示数据的方法和相关装置 | |
CN110717101A (zh) | 基于应用行为的用户分类方法、装置和电子设备 | |
CN111199287A (zh) | 一种特征工程实时推荐方法、装置及电子设备 | |
CN107180037B (zh) | 人机交互方法和装置 | |
CN109145084A (zh) | 数据处理方法、数据处理装置和服务器 |
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 |