CN114239591A - 敏感词识别方法及装置 - Google Patents
敏感词识别方法及装置 Download PDFInfo
- Publication number
- CN114239591A CN114239591A CN202111457767.3A CN202111457767A CN114239591A CN 114239591 A CN114239591 A CN 114239591A CN 202111457767 A CN202111457767 A CN 202111457767A CN 114239591 A CN114239591 A CN 114239591A
- Authority
- CN
- China
- Prior art keywords
- sensitive
- text
- word
- recognition
- recognized
- 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 96
- 230000008451 emotion Effects 0.000 claims abstract description 79
- 230000008909 emotion recognition Effects 0.000 claims abstract description 40
- 238000012549 training Methods 0.000 claims description 173
- 238000012360 testing method Methods 0.000 claims description 55
- 238000002372 labelling Methods 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 22
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 18
- 201000001119 neuropathy Diseases 0.000 description 16
- 230000007823 neuropathy Effects 0.000 description 16
- 208000033808 peripheral neuropathy Diseases 0.000 description 16
- 230000000694 effects Effects 0.000 description 14
- 206010048909 Boredom Diseases 0.000 description 10
- 238000001914 filtration Methods 0.000 description 10
- 230000002996 emotional effect Effects 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013434 data augmentation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Machine Translation (AREA)
- Character Discrimination (AREA)
Abstract
本说明书实施例提供了敏感词识别方法及装置,其中,一种敏感词识别方法包括:基于预设词库识别待识别文本包含的敏感词,得到词集合;根据所述待识别文本确定所述词集合中各敏感词的语义属性;根据所述各敏感词的语义属性确定第一词集合;若所述第一词集合满足情感识别条件,则将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性;若所述情感属性为目标情感属性,则将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。采用本申请实施例可提升敏感词识别准确率。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种敏感词识别方法及装置。
背景技术
随着移动互联网的发展,用户可以在各个网络平台发布信息,并且还可以对各网络平台上的媒体资源进行评论、与媒体资源的作者进行互动,还可以进行线上通讯,比如打电话等;但是,所有的良好互动均建立在优质的媒体资源以及良好的网络氛围的基础上;而构建良好的网络氛围,主要靠各个网络平台对内容进行检索和校验,确定为不良信息后,对不良信息进行拦截、过滤,以净化网络信息。
发明内容
本申请实施例提供了一种敏感词识别方法及装置,以提升敏感词识别的准确率。
第一方面,本申请实施例提供了一种敏感词识别方法,包括:
基于预设词库识别待识别文本包含的敏感词,得到词集合;
根据所述待识别文本确定所述词集合中各敏感词的语义属性;
根据所述各敏感词的语义属性确定第一词集合;
若所述第一词集合满足情感识别条件,则将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性;
若所述情感属性为目标情感属性,则将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。
第二方面,本申请实施例提供了一种模型训练方法,包括:
将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合;
根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合;
按照划分条件对所述目标敏感词集合进行类别划分,根据类别划分结果更新训练样本集;
基于更新后的训练样本集对所述初始敏感词识别模型进行模型训练,获得敏感词识别模型。
第三方面,本申请实施例提供了一种敏感词识别装置,包括:
第一识别模块,用于基于预设词库识别待识别文本包含的敏感词,得到词集合;
属性确定模块,用于根据所述待识别文本确定所述词集合中各敏感词的语义属性;
集合确定模块,用于根据所述各敏感词的语义属性确定第一词集合;
若所述第一词集合满足情感识别条件,则运行情感识别模块,所述情感识别模块,用于将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性;
若所述情感属性为目标情感属性,则运行第二识别模块,所述第二识别模块,用于将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。
第四方面,本申请实施例提供了一种模型训练装置,包括:
测试模块,用于将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合;
计算模块,用于根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合;
划分模块,用于按照划分条件对所述目标敏感词集合进行类别划分,根据类别划分结果更新训练样本集;
训练模块,用于基于更新后的训练样本集对所述初始敏感词识别模型进行模型训练,获得敏感词识别模型。
第五方面,本申请实施例提供了一种敏感词识别设备,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行第一方面所述的敏感词识别方法。
第六方面,本申请实施例提供了一种模型训练设备,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行第二方面所述的模型训练方法。
第七方面,本申请实施例提供了一种计算机可读存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现如第一方面所述的敏感词识别方法。
第八方面,本申请实施例提供了一种计算机可读存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现如第二方面所述的模型训练方法。
可以看出,在本申请实施例中,一方面利用预设词库对待识别文本进行敏感词识别获得词集合,通过对词集合进行过滤提升敏感词识别的准确性,另一方面,在通过情感识别模型对待识别文本进行情感属性识别并确定待识别文本的情感属性为目标情感属性的情况下,利用敏感词识别模型对待识别文本进行敏感词识别,获得第二词集合;从而利用预设词库和敏感词识别模型对待识别文本进行两个方面的敏感词识别,不仅获得待识别文本中包含的预设词库对应的敏感词,也获得识别准确率更高的敏感词识别模型输出的敏感词,提升敏感词识别的全面性,进一步提升敏感词识别的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图;
图1为本申请实施例提供的一种敏感词识别方法处理流程图;
图2为本申请实施例提供的一种敏感词识别处理过程的示意图;
图3为本申请实施例提供的一种应用于话务场景的敏感词识别方法处理流程图;
图4为本申请实施例提供的一种模型训练方法处理流程图;
图5为本申请实施例提供的一种敏感词识别装置示意图;
图6为本申请实施例提供的一种模型训练装置示意图;
图7为本申请实施例提供的一种敏感词识别设备的结构示意图;
图8为本申请实施例提供的一种模型训练设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请实施例中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书的一部分实施例,而不是全部的实施例。基于本申请实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请的保护范围。
实际应用中,在基于敏感词识别的过程中,往往是通过一个敏感词识别模型进行敏感词识别,基于模型的敏感词识别方法,集中在通用领域,不能适用于新的领域,且不能解决歧义敏感词的问题。
针对于此,为了提升识别准确率,保证方法的通用性,本实施例提供的敏感词识别方法,第一方面,对构建的初始敏感词识别模型进行测试,提取测试结果中识别效果不佳的敏感词,并对不同类别的识别不佳的敏感词通过不同的规则进行优化,根据优化结果重新训练敏感词识别模型,提升敏感词识别模型的准确率;
第二方面,在获取到待识别文本后,首先利用预设词库(敏感词词库)对待识别文本中的敏感词进行检测,由于预设词库中的敏感词是固定的,因此,对于预设词库识别待识别文本后获得的敏感词集合,利用第一语义规则和第二语义规则对敏感词集合中的敏感词进行有责和无责的判断,并将敏感词集合中无责的敏感词进行删除,得到第一词集合;此处,第一词集合中的敏感词都为有责的,提升了第一词集合中敏感词的准确率;
在第一词集合不为空的情况下,将待识别文本输入情感识别模型进行情感属性识别,在待识别文本为正向情感属性的情况下,将第一词集合作为待识别文本的敏感词识别结果进行输出;在待识别文本为负向情感属性的情况下,将待识别文本输入敏感词识别模型进行敏感词识别,并将敏感词识别模型输出的第二词集合和第一词集合作为待识别文本的敏感词识别结果进行输出,以此,降低对敏感词识别模型的误召回,进而提升对敏感词识别的准确率。
参照图1,本实施例提供的敏感词识别方法,具体包括步骤S102至步骤S108。
步骤S102,基于预设词库识别待识别文本包含的敏感词,得到词集合。
本实施例所述预设词库,包括预先设置的包含预设敏感词的词库。所述词集合,包括根据预设词库对待识别文本进行敏感词检索,获得的待识别文本中包含的,与预设词库中的敏感词一致的敏感词组成的集合。所述待识别文本,包括语音文本和/或文字文本,本实施例在此不做限定。
具体实施时,为了提升对待识别文本进行敏感词识别的识别效率,在获取到待识别文本后,利用预设词库(即敏感词词库)对待识别文本进行敏感词识别,在利用预设词库对待识别文本识别后若识别结果为空,则判定待识别文本中不包含敏感词,输出空集作为待识别文本的敏感词识别结果,这在一定程度上提升了对待识别文本的敏感词识别效率。
具体的,获取到待识别文本后,加载预设词库,并利用预设词库对待识别文本进行检测,检测待识别文本中包含的预设词库中的敏感词,并基于检测获得的敏感词构建词集合。
在基于预设词库对待识别文本进行检测获得词集合后,判断词集合是否为空,若词集合为空,即词集合中不包含敏感词,则可以确定该待识别文本不包含敏感词,并输出空集,提升对待识别文本的敏感词识别效率,且无需利用敏感词识别模型进行识别,提升敏感词识别效率,降低对敏感词识别模型的误召回,提升敏感词识别模型的识别准确率;若词集合不为空,即词集合中包含至少一个敏感词,则根据所述待识别文本确定所述敏感词的语义属性,并根据所述语义属性对所述词集合进行过滤。
例如,坐席通话场景中,获取到语音文本后,将语音文本作为待识别文本,首先加载敏感词词库,利用敏感词词库对待识别文本进行检测,检测待识别文本中包含的敏感词词库中存储的敏感词,并将检测获得的待识别文本中的敏感词放入词集合中,若词集合为空,则确定该待识别文本中不含敏感词;若词集合不为空,则根据待识别文本确定待识别文本确定词集合中敏感词的语义属性,并根据语义属性对词集合进行过滤。
步骤S104,根据所述待识别文本确定所述词集合中各敏感词的语义属性。
所述语义属性,包括有责语义属性和无责语义属性。有责语义属性包括在待识别文本中的情感极性为善意的,友好的敏感词的语义属性;无责语义属性包括在待识别文本中的情感极性为恶意的、不好的敏感词的语义属性;因为有些词本身被归类于敏感词,但在一些场景中该词并不是真正的敏感词;例如“报警”,在一些法制宣传场景中,“报警”就属于善意的情感,不属于真正的敏感词,属于无责语义属性;但在一些犯罪招供场景中,“报警”属于恶意的情感,就属于真正的敏感词,属于有责语义属性。
具体实施时,为了提升词集合中的敏感词的有效性,保证词集合中的敏感词都为有责语义属性的敏感词,本实施例对词集合中的敏感词进行语义属性的确定,并将词集合中无责语义属性的敏感词删除;本实施例中,词集合中包含的敏感词太多的情况下,逐一对词集合中的敏感词进行语义属性的确定效率低下,为了提升语义识别的效率,首先对词集合中的敏感词进行类别划分,再对需要进行语义属性判断的类别下的敏感词进行语义属性的确定。需要说明的是,为了提升对词集合中各敏感词的语义属性的感知程度,也可根据待识别文本对词集合中所有敏感词进行语义属性的确定。
本实施例提供的一种可选实施方式中,在获取到词集合情况下,通过如下方式确定词集合中的敏感词的语义属性:
确定所述词集合中第一语义规则对应的第一类敏感词,以及第二语义规则对应的第二类敏感词;
按照所述第一语义规则确定所述第一类敏感词在所述待识别文本中的语义属性,以及按照所述第二语义规则确定所述第二类敏感词在所述待识别文本中的语义属性。
所述第一类敏感词,包括场景强相关类别的敏感词;例如:“上征信”。在通话质检场景中,待识别文本源于坐席和客户的通话,坐席不能使用“上征信”威胁客户,但可以使用“上征信”对客户进行提醒,因此,“上征信”即为场景强相关类别的敏感词。显然,根据敏感词词库进行敏感词检测无法准确的判断场景强相关类别的敏感词的语义属性。
所述第二类敏感词,包括语义不明确类别的敏感词;例如,“报警”。在通话质检场景中,“你报警啊”就存在语义不明的情况。
需要说明的是,本实施例中的第一类敏感词和第二类敏感词可能包含多个,下述对于第一类敏感词的处理过程的说明,是针对多个第一类敏感词中的任意一个第一类敏感词的说明,针对第二类敏感词的处理过程的说明,是针对多个第二类敏感词中任意一个第二类敏感词的说明。
具体的,为了提升对敏感词的语义属性的确定效率,使能够更加高效地对词集合中各敏感词的语义属性进行确定,只针对词集合中无法直接确定语义属性的第一敏感词和第二敏感词进行语义属性的确定;首先提取出词集合中适用于第一语义规则的第一类敏感词,以及词集合中适用于第二语义规则的第二类敏感词,然后按照第一语义规则对第一类敏感词的语义属性进行确定,以及按照第二语义规则对第二类敏感词的语义属性进行确定。为了提升对第一类敏感词和第二类敏感词的提取效率,提取第一类敏感词和第二类敏感词的过程中,可以根据预设的第一类敏感词表对词集合中的敏感词进行检测,以及根据预设的第二类敏感词表对词集合中的敏感词进行检测;还可以通过人工进行提取,本实施例在此不做限定。
(1)为了提升对第一类敏感词的语义属性的确认效率,本实施例提供的一种可选实施方式中,在按照所述第一语义规则确定所述第一类敏感词在所述待识别文本中的语义属性的过程中,执行如下操作:
获取所述待识别文本中包含所述第一类敏感词的敏感词文本;
计算所述敏感词文本与第一预设语义表中第一文本的第一相似度,以及,计算所述敏感词文本与第二预设语义表中第二文本的第二相似度;
基于所述第一相似度与所述第二相似度确定所述第一类敏感词在所述待识别文本中的语义属性。
进一步,为了提升对第一类敏感词的语义属性进行确定的效率,提前配置第一预设语义表和第二预设语义表对第一类敏感词的语义属性进行确定,所述第一预设语义表和所述第二预设语义表,采用如下方式创建:
检索包含所述第一类敏感词的示例文本;
确定包含所述第一类敏感词的示例文本中所述第一类敏感词对应的敏感词文本的文本属性;
基于所述文本属性,创建针对所述第一类敏感词的第一预设语义表和第二预设语义表。
其中,所述示例文本,包括句子和/或段落。
所述第一语义规则为,针对任意一个第一类敏感词,通过检索多个包含该第一类敏感词的示例文本,确定示例文本中第一类敏感词对应的文本(示例文本,或者示例文本中包含第一类敏感词的段落或者句子)的文本属性,然后分别将有责属性的文本写入该第一类敏感词的第一预设语义表中,将无责属性的文本写入该第一类敏感词的第二预设语义表中,再根据第一预设语义表和第二预设语义表确定第一类敏感词的语义属性;需要说明的是,第一预设语义表和第二预设语义表可以提前创建,也可以在确定第一类敏感词后创建,本实施例在此不做限定。
补充说明的是,第一类敏感词的第一预设语义表中记录包含该敏感词且文本属性为有责属性的文本;第二预设语义表中记录包含该敏感词且文本属性为无责属性的文本;
以“上征信”为例,“上征信”一词对应的第一预设语义表中包含文本“对您进行上征信处理”、“上征信、处理”和“上征信,结果”;对应的第二预设语义表中包含文本“请注意上征信风险”、“上征信提醒信息”。
具体的,在根据第一预设语义表和第二预设语义表确定第一类敏感词的语义属性的过程中,首先计算第一预设语义表中各第一文本与待识别文本中包含第一类敏感词的敏感词文本的相似度,以及无责语义名单中的第二文本与待识别文本中包含第一类敏感词的敏感词文本的相似度,然后将与待识别文本中包含第一类敏感词的敏感词文本的相似度最高的文本属性确定为第一类敏感词在待识别文本中的语义属性。
以“上征信”为例,在提取到词集合中的第一语义规则适用的“上征信”后,查询上征信对应的第一预设语义表和第二预设语义表,读取待识别文本中“上征信”所处的句子为“您已经预期多次了,我们将对您进行上征信处理”,利用相似度算法计算这个句子与第一预设语义表中各第一文本的相似度,以及这个句子与第二预设语义表中各第二文本的相似度,经过比较,与“您已经预期多次了,我们将对您进行上征信处理”的相似度最高的文本处于第一预设语义表中,则确定“上征信”在待识别文本中的语义属性为有责语义属性。
再例如,读取到待识别文本中“上征信”所处的句子为“好的,请尽快处理,注意上征信风险”,利用相似度算法计算这个句子与第一预设语义表中各第一文本的相似度,以及这个句子与第二预设语义表中各第二文本的相似度,经过比较,与“好的,请尽快处理,注意上征信风险”的相似度最高的文本处于第二预设语义表中,则确定“上征信”在待识别文本中的语义属性为无责语义属性。
需要说明的是,为了提升确定的第一类敏感词的语义属性的准确度,利用相似度算法计算敏感词文本与第一预设语义表中各第一文本的相似度以及敏感词文本与第二预设语义表中各第二文本的相似度;在获得待识别文本中包含第一类敏感词的敏感词文本与第一预设语义表中各第一文本的相似度,以及敏感词文本与第二预设语义表中各第二文本的相似度后,确定与敏感词文本的相似度大于预设阈值的文本,再确定文本在第一预设语义表和第二预设语义表的分布情况,根据分布情况确定第一类敏感词在待识别文本中的语义属性。
例如,利用相似度算法计算获得第一类敏感词所属的敏感词文本与第一类敏感词对应的第一预设语义表中的5个文本的相似度高于95%,与对应的第二预设语义表中的2个文本的相似度高于95%,因为与第一预设语义表中文本的相似度高于95%的文本数量大于与第二预设语义表中文本的相似度大于95%的文本数量,因此,确定第一类敏感词的语义属性为有责语义属性。
(2)为了提升确定的第二类敏感词的语义属性的准确度,本实施例提供的一种可选实施方式中,按照所述第二语义规则确定所述第二类敏感词在所述待识别文本中的语义属性的过程中,执行如下操作:
对所述待识别文本进行语义识别,并确定所述待识别文本的文本属性;
基于所述文本属性确定所述第二类敏感词的语义属性。
所述第二语义规则为,结合整个待识别文本对待识别文本进行语义识别,进而根据待识别文本的文本属性确定第二类敏感词的语义属性。
具体的,在确定第二类敏感词的语义属性的过程中,为了保证确定的第二类敏感词的语义属性更加准确更加有效,首先识别待识别文本的文本属性,再根据待识别文本的文本属性确定第二类敏感词在待识别文本中的语义属性,以此,根据待识别文本的文本属性确定第二类敏感词在待识别文本中的语义属性,在待识别文本为正向情感属性的情况下,将待识别文本中第二类敏感词的语义属性确定为无责语义属性,在待识别文本为负向情感属性的情况下,将待识别文本中的第二类敏感词的语义属性确定为有责语义属性,通过这种方式,更加有效的确定了第二类敏感词在待识别文本中的语义属性。
以“报警”为例,在提取到词集合中的第二语义规则适用的“报警”后,对待识别文本进行文本属性的识别,由于待识别文本中是“我被他们欺骗了,钱被盗了”,接着坐席说“你报警啊”,这时可以确定待识别文本的文本属性为无责文本属性,进一步确定待识别文本中“报警”也为无责语义属性。
再例如,待识别文本中是“你再给我打电话,我就报警投诉你”,接着坐席说“你报警啊”,这时“报警”有引导客户报警的动机,因此,确定待识别文本的文本属性为有责文本属性,进一步确定待识别文本中的“报警”在待识别文本中为有责语义属性。
步骤S106,根据所述各敏感词的语义属性确定第一词集合。
具体实施时,为了保证词集合中的敏感词的有效性,在确定敏感词的语义属性之后,根据语义属性对词集合进行过滤,将过滤后的词集合确定为第一词集合;本实施例中,采用如下方式进行过滤:
删除所述词集合中无责语义属性的敏感词;
其中,删除之后所述第一词集合由有责语义属性的敏感词组成。
具体的,将第一类敏感词中语义属性为有责语义属性的敏感词从词集合中删除;以及,将第二类敏感词中语义属性为有责语义属性的敏感词从词集合中删除。
例如,在获取到词集合后,首先确定词集合中适用于第一语义规则的第一类敏感词和适用于第二语义规则的第二类敏感词;然后按照第一语义规则判断每个第一类敏感词是否为有责语义属性;若是,则在词集合中保留该第一类敏感词;若否,则在词集合中删除该第一类敏感词;以及,按照第二语义规则判断每个第二类敏感词是否为有责语义属性;若是,则在词集合中保留该第二类敏感词;若否,则在词集合中删除该第二类敏感词;以此,实现对词集合的过滤,使过滤获得的第一词集合中的敏感词更加准确更加有效。
对词集合进行过滤获得第一词集合之后,为了提升敏感词识别效率,在第一词集合为空的情况下,则确定待识别文本不含敏感词,输出空集,并结束对待识别文本的敏感词识别,避免在第一词集合为空的情况下对待识别文本进行情感属性识别导致资源浪费;本实施例提供的一种可选实施方式,在对词集合进行过滤之后,判断过滤获得的第一词集合中的敏感词是否为空,即第一词集合是否为空集;若所述第一词集合中的敏感词为空,将所述第一词集合作为所述待识别文本的敏感词识别结果输出;若所述第一词集合中的敏感词不为空,则确定所述第一词集合满足情感识别条件。
步骤S108,若所述第一词集合满足情感识别条件,则将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性。
所述第一词集合中的敏感词为有责语义属性的敏感词。所述情感属性识别包括情感极性识别;情感属性是指作者对文章所涉及内容的情感倾向,情感极性包括正向极性(积极)和负向极性(消极);本实施例中情感属性包括正向情感属性(积极)和负向情感属性(消极)。所述情感识别条件,包括:所述第一词集合中的敏感词不为空。
具体实施时,在第一词集合不为空的情况下,确定第一词集合满足情感识别条件,在第一词集合满足情感识别条件的情况下,将待识别文本输入预先训练的情感识别模型进行情感属性识别,获得待识别文本的情感属性。
本实施例中,在训练情感识别模型的过程中,使用机器学习方法对已标注数据进行训练,得到情感识别模型;其中,机器学习算法可用朴素贝叶斯、最大熵和支持向量机等算法,还可使用BERT(Bidirectional Encoder Representations from Transformers,双向编码器表征)和LSTM(Long Short-Term Memory,长短期记忆网络)等算法。此外,还可使用其他方式对情感识别模型进行训练,本实施例在此不做限定。
步骤S110,若所述情感属性为目标情感属性,则将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。
所述目标情感属性包括负向情感属性。
为了降低对敏感词识别模型的误召回,提升敏感词识别模型的准确率,在待识别文本的情感属性为负向情感属性的情况下,将待识别文本输入敏感词识别模型进行敏感词识别;若待识别文本的情感属性为正向情感属性,将第一词集合作为所述待识别文本的敏感词识别结果输出。
本实施例中,敏感词识别模型,通过如下方式获得,为了提升敏感词识别模型的准确率,对训练样本集进行更新以优化初始敏感词识别效果不佳的敏感词,使用机器学习算法对已标注数据进行训练,得到初始敏感词识别模型,常用深度学习方法进行训练,可使用BERT和LSTM等。
为了提升敏感词识别模型的准确率,对初始敏感词识别模型识别效果不佳的敏感词进行处理,本实施例对训练获得的初始敏感词识别模型进行测试,并根据测试结果对训练样本集进行更新,利用更新后的训练样本集对初始敏感词识别模型再次训练,得到敏感词识别模型,本实施例中,通过如下方式获得敏感词识别模型:
将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合;
根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合;
按照划分条件对所述目标敏感词集合进行类别划分,根据类别划分结果更新训练样本集;
基于更新后的训练样本集对所述初始敏感词识别模型进行模型训练,获得敏感词识别模型。
具体的,在获得初始敏感词识别模型后,对初始敏感词识别模型的识别性能进行检测,本实施例中,通过测试初始敏感词识别模型的整体准确率和针对单个敏感词的识别准确率确定初始敏感词识别模型识别效果不佳的敏感词,具体的,在根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合的过程中,通过执行如下操作计算初始敏感词识别模型对测试文本的文本识别准确率和对测试文本中各敏感词的词识别准确率:
根据所述测试敏感词集合计算所述测试文本的文本识别准确率,以及所述测试文本中各敏感词的词识别准确率;
将词识别准确率小于所述文本识别准确率的敏感词确定为所述目标敏感词集合中的目标敏感词。
进一步,在获得文本识别准确率和各敏感词的词识别准确率,并确定目标敏感词集合后,首先对目标敏感词集合中的目标敏感词进行类别划分,再根据划分结果更新训练样本集;
其中,基于更新后的训练样本集进行模型训练的过程与上述训练初始敏感词识别模型的方式类似,本实施例在此不再赘述。
具体的,对初始敏感词识别模型进行测试,将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合;然后基于测试敏感词集合计算初始敏感词识别模型的文本识别准确率,以及初始敏感词识别模型对测试文本中各敏感词的词识别准确率,如果词识别准确率大于文本识别准确率,则表明针对该敏感词的识别准确率超过整体准确率水平,不做处理即可;如果词识别准确率小于文本识别准确率,则表明针对该敏感词的识别准确率低于整体准确率水平,需要对该敏感词进行优化,因此将该敏感词确定为初始敏感词识别模型识别效果不佳的目标敏感词,获得目标敏感词集合。
为了提升敏感词识别模型进行敏感词识别的准确率,基于目标敏感词集合中的目标敏感词对训练样本集中的训练样本进行更新,以使训练样本更加有效,进一步使根据训练样本进行训练获得的敏感词识别模型的准确率更高,对目标敏感词集合中的目标敏感词进行类别划分,并针对不同类别的敏感词进行不同方式的优化。本实施例中,通过统计和/或人工的方式对目标敏感词进行类别划分,本实施例以四个类别为例进行说明,需要说明的是,还可根据需求进行其他类别的划分,本实施例在此不做限定。
本实施例将目标敏感词划分为适用于第一语义规则的第一类敏感词、适用于第二语义规则的第二类敏感词、第三类敏感词和第四类敏感词。根据对应的预设规则对类别划分结果,即这四类敏感词进行优化处理,以更新训练样本集。
针对目标敏感词中的第一类敏感词和第二类敏感词,本实施例提供的一种可选实施方式中,采用如下方式更新训练样本集:
删除所述训练样本集中的训练样本中的第一类敏感词和第二类敏感词的标注信息;
将删除后获得的训练样本更新至所述训练样本集。
具体的,由于第一类敏感词和第二类敏感词需要结合上下文语义以及对应的敏感词文本来确定是否为真正的敏感词,因此,为了提升敏感识别模型的识别准确率,将训练样本集中的训练样本中针对第一类敏感词和第二类敏感词的标注信息删除,再将删除之后的训练样本放入训练样本集中,以根据删除之后的训练样本进行模型训练,得到不具有对第一类敏感词和第二类敏感词的识别能力的敏感词识别模型,以此提升敏感词识别模型的识别准确率,避免敏感词识别模型输出语义属性不明确的敏感词。
例如,将训练样本集中各训练样本中针对“报警”和“上征信”的标注信息删除掉,并将删除之后的训练样本重新放入训练样本集中。
针对目标敏感词中的第三类敏感词,本实施例提供的一种可选实施方式中,采用如下方式更新训练样本集:
基于所述目标敏感词集合中的第三类敏感词,对所述训练样本集中训练样本的标注信息进行更新;
将更新获得的训练样本更新至所述训练样本集;
所述第三类敏感词包括标注质量差的敏感词,即存在错标、误标、漏标和多标等问题的敏感词。
具体的,对于第三类敏感词,对训练样本集中的训练样本通过数据清洗,重新进行标注,并在训练样本集中将修正后的训练样本替换掉原来的训练样本。
针对目标敏感词中的第四类敏感词,本实施例提供的一种可选实施方式中,采用如下方式更新训练样本集:
确定包含所述第四类敏感词的文本样本中的待标注敏感词;
在所述文本样本中对所述待标注敏感词进行标注处理,并将获得的包含标注信息的文本样本更新至所述训练样本集。
具体的,首先检索包含目标敏感词中第四类敏感词的文本样本;然后确定文本样本中的待标注敏感词,再对所述文本样本进行敏感词标注处理,最后将获得的包含标注信息的文本样本更新至训练样本集。
所述第四类敏感词包括在训练样本中针对该敏感词的标注信息偏少导致的识别效果不佳的敏感词,即为标注数据少的敏感词;
针对这类敏感词,通过数据增广的方式增加训练样本,并将训练样本标注后加入训练样本集中,即检索包含第四类敏感词的文本样本,并对文本样本进行敏感词标注处理,将标注获得的包含标注信息的文本样本更新至训练样本集;此外,还可在对应场景的历史数据中检索包含第四类敏感词的文本并进行标注处理,将标注处理获得的文本样本更新至训练样本集中。
最后根据更新后的训练样本集中的训练样本对初始敏感词识别模型进行模型训练,获得敏感词识别模型。
为了确保对待识别文本的敏感词识别的全面性,避免只根据预设词库对待识别文本的敏感词进行识别导致得到的敏感词不全面,在利用预设词库对待识别文本进行敏感词识别获得的第一词集合不为空,且待识别文本的情感属性为负向情感属性的情况下,利用敏感词识别模型对待识别文本进行敏感词识别,获得第二词集合,将第一词集合和第二词集合进行合并。
本实施例中,提供两种合并第一词集合和第二词集合的方式。下述两种合并方式进行具体说明。
第一种,为了提升对敏感词识别结果的感知程度,将第一词集合和第二词集合进行累加;例如,第一词集合中,包含4个敏感词“报警,上征信,投诉,神经病”,第二词集合中包含2个敏感词“神经病,无聊”,将第一词集合和第二词集合进行累加获得的词集合中包含6个敏感词“报警,上征信,投诉,神经病,神经病,无聊”,将这6个敏感词确定为待识别文本的敏感词识别结果。
第二种,为了识别结果中重复的敏感词导致对识别结果查看的效果不佳,首先将第一词集合和第二词集合进行累加,然后对累加获得的词集合进行去重;例如,第一词集合中,包含4个敏感词“报警,上征信,投诉,神经病”,第二词集合中包含2个敏感词“神经病,无聊”,将第一词集合和第二词集合进行累加获得的词集合中包含6个敏感词“报警,上征信,投诉,神经病,神经病,无聊”,但“神经病”出现了两次,因此进行去重,得到包含5个敏感词“报警,上征信,投诉,神经病,无聊”,将这5个敏感词确定为待识别文本的敏感词识别结果。
需要说明的是,本实施例在获取到待识别文本后,首先基于预设词库识别待识别文本包含的敏感词,获得词集合,然后根据待识别文本确定敏感词的语义属性,再根据语义属性对词集合过滤获得第一词集合;在第一词集合不为空情况下将待识别文本输入情感识别模型进行情感属性识别,在待识别文本的情感属性为负向情感属性的情况下将待识别文本输入敏感词识别模型进行敏感词识别获得第二词集合,将第一词集合和第二词集合合并作为待识别文本的敏感词识别结果进行输出;
除此之外,还可在获取到待识别文本之后,首先将待识别文本输入情感识别模型进行情感属性识别,获得待识别文本的情感属性,在待识别文本的情感属性为负向情感属性的情况下将待识别文本输入敏感词识别模型进行敏感词识别,获得第二词集合;若第二词集合为空,则确定待识别文本不包含敏感词;若第二词集合不为空,则加载预设词库,并基于预设词库识别待识别文本包含的敏感词,获得词集合;若词集合为空,则将第二词集合作为待识别文本的敏感词识别结果进行输出;若词集合不为空,则根据待识别文本确定词集合中的敏感词的语义属性,并根据语义属性对词集合进行过滤,获得第一词集合;若第一词集合为空,则将第二词集合作为待识别文本的敏感词识别结果进行输出;若第一词集合不为空,则将第一词集合和第二词集合合并后作为待识别文本的敏感词识别结果进行输出。
需要说明的是,本实施例提供的敏感词识别方法可以应用在语音通讯场景,此外,还可将该方法灵活的移植在其他领域,本实施例在此不做限定。
下述以本实施例提供的一种敏感词识别方法在话务场景的应用为例,对本实施例提供的敏感词识别方法进行进一步说明,参见图3,应用于话务场景的敏感词识别方法,具体包括步骤S302至步骤S314。
步骤S302,基于预设词库识别话务记录文本包含的敏感词,获得词集合。
步骤S304,确定词集合中第一语义规则对应的业务强相关类敏感词,以及第二语义规则对应的语义不明确类敏感词。
步骤S306,按照第一语义规则确定业务强相关类敏感词在话务记录文本中的语义属性,以及按照第二语义规则确定语义不明确类敏感词在话务记录文本中的语义属性。
步骤S308,将词集合中语义属性为无责语义属性的业务强相关类敏感词和语义不明确类敏感词删除,获得语义属性为有责语义属性的敏感词组成的第一词集合。
步骤S310,若第一词集合不为空,将话务记录文本输入情感识别模型进行情感属性识别;
若话务记录文本的情感属性为正向情感属性,则将第一词集合作为话务记录文本的敏感词识别结果进行输出;
若话务记录文本的情感属性为负向情感属性,执行步骤S312至步骤S314。
步骤S312,将话务记录文本输入敏感词识别模型进行敏感词识别,获得敏感词识别模型输出的第二词集合。
步骤S314,将第一词集合与第二词集合相加,并将相加结果作为话务记录文本的敏感词识别结果进行输出。
参照图4,本实施例提供的模型训练方法,具体包括步骤S402至步骤S408。
本实施例提供的模型训练方法与本说明书提供的敏感词识别方法在执行过程中相互配合,因此,阅读本实施例请对照上述方法实施例的相应内容。
步骤S402,将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合。
本实施例提供的模型训练方法,通过对预先训练的初始敏感词识别模型进行测试,确定初始敏感词识别模型识别效果不佳的敏感词组成的目标敏感词集合,然后对目标敏感词集合中的目标敏感词进行类别划分,并根据类别划分结果对训练样本集中的训练样本进行优化,并利用优化后获得的训练样本集对初始敏感词识别模型进行二次训练,获得敏感词识别模型,以此使获得的敏感词识别模型对敏感词识别的准确率更高。
具体实施时,在对待识别文本进行敏感词识别的过程中,由于只根据预设词库对待识别文本进行识别会使识别获得的待识别文本的敏感词不够全面,从预设词库和敏感词识别模型两方面对待识别文本中的敏感词进行识别。
具体的,在获取到待识别文本后,首先基于预设词库识别待识别文本包含的敏感词,得到词集合,为了使基于预设词库识别得到的敏感词更加有效,根据待识别文本确定词集合中各敏感词的语义属性,并根据语义属性对词集合中的敏感词进行筛选,获得语义属性都为有责语义属性的敏感词组成的第一词集合;为了提升对待识别文本进行敏感词识别的识别效率,降低对敏感词识别模型的误召回,提升敏感词识别模型的识别准确率,在第一词集合为空的情况下,输出空集作为待识别文本的敏感词识别结果,在第一词集合不为空的情况下,为了进一步降低对敏感词识别模型的误召回,提升敏感词识别模型的识别准确率,将待识别文本输入情感识别模型进行待识别文本的情感属性识别,若待识别文本的情感属性为正向情感属性,则无需利用敏感词识别模型进行识别,将第一词集合作为待识别文本的敏感词识别结果进行输出,若待识别文本的情感属性为负向情感属性,则将待识别文本输入敏感词识别模型进行敏感词识别,并将敏感词识别模型输出的第二词集合和第一词集合合并作为待识别文本的敏感词识别结果进行输出。
本实施例中,为了提升敏感词识别模型的识别准确率,首先训练初始敏感词识别模型,在训练初始敏感词识别模型的过程中,使用机器学习方法对已标注数据进行训练,得到初始敏感词识别模型;其中,机器学习算法可用朴素贝叶斯、最大熵和支持向量机等算法,还可使用BERT(Bidirectional Encoder Representations from Transformers,双向编码器表征)和LSTM(Long Short-Term Memory,长短期记忆网络)等算法。此外,还可使用其他方式对初始敏感词识别模型进行训练,本实施例在此不做限定。
为了提升敏感词识别模型的识别准确率,优化初始敏感词识别模型对某些敏感词识别效果不佳的问题,本实施例对训练获得的初始敏感词识别模型进行测试,具体的,将测试文本集中的测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合。
步骤S404,根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合。
在获得测试敏感词集合后,为了核验初始敏感词识别模型的识别效果,对测试敏感词集合中的测试敏感词进行准确度计算,确定测试敏感词集合中初始敏感词识别模型识别效果不佳的目标敏感词组成的目标敏感词集合;本实施例提供的一种可选实施方式中,采用如下方式获得目标敏感词集合:
根据所述测试敏感词集合计算所述测试文本的文本识别准确率,以及所述测试文本中各敏感词的词识别准确率;
将词识别准确率小于所述文本识别准确率的敏感词确定为所述目标敏感词集合中的目标敏感词。
步骤S406,按照划分条件对所述目标敏感词集合进行类别划分,根据类别划分结果更新训练样本集。
为了提升敏感词识别模型进行敏感词识别的准确率,基于目标敏感词集合中的目标敏感词对训练样本集中的训练样本进行更新,以使训练样本更加有效,进一步使根据训练样本进行训练获得的敏感词识别模型的准确率更高,对目标敏感词集合中的目标敏感词进行类别划分,并针对不同类别的敏感词进行不同方式的优化。本实施例中,所述划分条件,包括预先设定的对敏感词进行划分的条件,实际应用中,通过统计和/或人工的方式对目标敏感词进行类别划分,本实施例以四个类别为例进行说明,需要说明的是,还可根据需求进行其他类别的划分,本实施例在此不做限定。
本实施例将目标敏感词划分为适用于第一语义规则的第一类敏感词、适用于第二语义规则的第二类敏感词、第三类敏感词和第四类敏感词。根据对应的预设规则对类别划分结果,即这四类敏感词进行优化处理,以更新训练样本集。
所述第一类敏感词,包括场景强相关类别的敏感词;例如:“上征信”。在通话质检场景中,待识别文本源于坐席和客户的通话,坐席不能使用“上征信”威胁客户,但可以使用“上征信”对客户进行提醒,因此,“上征信”即为场景强相关类别的敏感词。显然,根据敏感词词库进行敏感词检测无法准确的判断场景强相关类别的敏感词的语义属性。
所述第二类敏感词,包括语义不明确类别的敏感词;例如,“报警”。在通话质检场景中,“你报警啊”就存在语义不明的情况。
所述第三类敏感词包括标注质量差的敏感词,即存在错标、误标、漏标和多标等问题的敏感词。
所述第四类敏感词包括在训练样本中针对该敏感词的标注信息偏少导致的识别效果不佳的敏感词,即为标注数据少的敏感词;
针对目标敏感词中的第一类敏感词和第二类敏感词,本实施例提供的一种可选实施方式中,采用如下方式更新训练样本集:
删除所述训练样本集中的训练样本中的第一类敏感词和第二类敏感词的标注信息;
将删除后获得的训练样本更新至所述训练样本集。
具体的,由于第一类敏感词和第二类敏感词需要结合上下文语义以及对应的敏感词文本来确定是否为真正的敏感词,因此,为了提升敏感识别模型的识别准确率,将训练样本集中的训练样本中针对第一类敏感词和第二类敏感词的标注信息删除,再将删除之后的训练样本放入训练样本集中,以根据删除之后的训练样本进行模型训练,得到不具有对第一类敏感词和第二类敏感词的识别能力的敏感词识别模型,以此提升敏感词识别模型的识别准确率,避免敏感词识别模型输出语义属性不明确的敏感词。
例如,将训练样本集中各训练样本中针对“报警”和“上征信”的标注信息删除掉,并将删除之后的训练样本重新放入训练样本集中。
针对目标敏感词中的第三类敏感词,本实施例提供的一种可选实施方式中,采用如下方式更新训练样本集:
基于所述目标敏感词集合中的第三类敏感词,对所述训练样本集中训练样本的标注信息进行更新;
将更新获得的训练样本更新至所述训练样本集;
具体的,对于第三类敏感词,对训练样本集中的训练样本通过数据清洗,重新进行标注,并在训练样本集中将修正后的训练样本替换掉原来的训练样本。
针对目标敏感词中的第四类敏感词,本实施例提供的一种可选实施方式中,采用如下方式更新训练样本集:
确定包含第四类敏感词的文本样本中的待标注敏感词;
在所述文本样本中对所述待标注敏感词进行标注处理,并将获得的包含标注信息的文本样本更新至所述训练样本集;
具体的,首先检索包含目标敏感词中第四类敏感词的文本样本;然后确定文本样本中的待标注敏感词,再对文本样本进行敏感词标注处理,并将获得的包含标注信息的文本样本更新至训练样本集。
针对这类敏感词,通过数据增广的方式增加训练样本,并将训练样本标注后加入训练样本集中,即检索包含第四类敏感词的文本样本,并对文本样本进行敏感词标注处理,将标注获得的包含标注信息的文本样本更新至训练样本集;此外,还可在对应场景的历史数据中检索包含第四类敏感词的文本并进行标注处理,将标注处理获得的文本样本更新至训练样本集中。
步骤S408,基于更新后的训练样本集对所述初始敏感词识别模型进行模型训练,获得敏感词识别模型。
在利用上述提供的三种更新训练样本集的方式中的一者、两者或者三者对训练样本集进行更新之后,利用更新后的训练样本集对初始敏感词识别模型进行模型训练,获得敏感词识别准确率高的敏感词识别模型。
除此之外,还可利用更新后的训练样本集重新进行模型训练,获得敏感词识别模型,具体的,重新进行模型训练的方法与上述训练初始敏感词识别模型的方法一致,本实施例在此不再赘述。
在获得敏感词识别模型之后,在对待识别文本进行敏感词识别的过程中,为了提升对爱识别文本进行敏感词识别的识别效率,首先利用预设词库对待识别文本中的敏感词进行识别获得词集合,且为了提升词集合中敏感词的有效性,根据待识别文本对词集合中各敏感词的语义属性进行确定,并根据语义属性对词集合中的敏感词进行过滤,删除掉词集合中无责语义属性的敏感词,获得第一词集合,为了降低对敏感词识别模型的误召回,提升敏感词识别模型的识别准确率,若第一词集合不为空,由情感识别模型对待识别文本进行情感属性的识别,若获得待识别文本的情感属性为负向情感属性,则将待识别文本输入敏感词识别模型进行敏感词识别,并将敏感词识别模型输出的第二词集合和利用预设词库识别待识别文本后获得的第一词集合进行合并,并将合并结果作为待识别文本的敏感词识别结果进行输出;若获得待识别文本的情感属性为正向情感属性,则将第一词集合作为待识别文本的敏感词识别结果进行输出。
为了确保对待识别文本的敏感词识别的全面性,避免只根据预设词库对待识别文本的敏感词进行识别导致得到的敏感词不全面,在利用预设词库对待识别文本进行敏感词识别获得的第一词集合不为空,且待识别文本的情感属性为负向情感属性的情况下,利用敏感词识别模型对待识别文本进行敏感词识别,获得第二词集合,将第一词集合和第二词集合进行合并。
本实施例中,提供两种合并第一词集合和第二词集合的方式。下述两种合并方式进行具体说明。
第一种,为了提升对敏感词识别结果的感知程度,将第一词集合和第二词集合进行累加;例如,第一词集合中,包含4个敏感词“报警,上征信,投诉,神经病”,第二词集合中包含2个敏感词“神经病,无聊”,将第一词集合和第二词集合进行累加获得的词集合中包含6个敏感词“报警,上征信,投诉,神经病,神经病,无聊”,将这6个敏感词确定为待识别文本的敏感词识别结果。
第二种,为了识别结果中重复的敏感词导致对识别结果查看的效果不佳,首先将第一词集合和第二词集合进行累加,然后对累加获得的词集合进行去重;例如,第一词集合中,包含4个敏感词“报警,上征信,投诉,神经病”,第二词集合中包含2个敏感词“神经病,无聊”,将第一词集合和第二词集合进行累加获得的词集合中包含6个敏感词“报警,上征信,投诉,神经病,神经病,无聊”,但“神经病”出现了两次,因此进行去重,得到包含5个敏感词“报警,上征信,投诉,神经病,无聊”,将这5个敏感词确定为待识别文本的敏感词识别结果。
本说明书提供的一种敏感词识别装置实施例如下:
在上述的实施例中,提供了一种敏感词识别方法,与之相对应的,还提供了一种敏感词识别装置,下面结合附图进行说明。
参照图5,其示出了本实施例提供的一种敏感词识别装置示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种敏感词识别装置,包括:
第一识别模块502,用于基于预设词库识别待识别文本包含的敏感词,得到词集合;
属性确定模块504,用于根据所述待识别文本确定所述词集合中各敏感词的语义属性;
集合确定模块506,用于根据所述各敏感词的语义属性确定第一词集合;
若所述第一词集合满足情感识别条件,则运行情感识别模块508,所述情感识别模块508,用于将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性;
若所述情感属性为目标情感属性,则运行第二识别模块510,所述第二识别模块510,用于将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。
本说明书提供的一种模型训练装置实施例如下:
在上述的实施例中,提供了一种模型训练方法,与之相对应的,还提供了一种模型训练装置,下面结合附图进行说明。
参照图6,其示出了本实施例提供的一种模型训练装置示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种模型训练装置,包括:
测试模块602,用于将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合;
计算模块604,用于根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合;
划分模块606,用于按照划分条件对所述目标敏感词集合进行类别划分,根据类别划分结果更新训练样本集;
训练模块608,用于基于更新后的训练样本集对所述初始敏感词识别模型进行模型训练,获得敏感词识别模型。
本说明书提供的一种敏感词识别设备实施例如下:
对应上述描述的一种敏感词识别方法,基于相同的技术构思,本申请实施例还提供一种敏感词识别设备,该敏感词识别设备用于执行上述提供的敏感词识别方法,图7为本申请实施例提供的一种敏感词识别设备的结构示意图。
本实施例提供的一种敏感词识别设备,包括:
如图7所示,敏感词识别设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器701和存储器702,存储器702中可以存储有一个或一个以上存储应用程序或数据。其中,存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括敏感词识别设备中的一系列计算机可执行指令。更进一步地,处理器701可以设置为与存储器702通信,在敏感词识别设备上执行存储器702中的一系列计算机可执行指令。敏感词识别设备还可以包括一个或一个以上电源703,一个或一个以上有线或无线网络接口704,一个或一个以上输入/输出接口705,一个或一个以上键盘706等。
在一个具体的实施例中,敏感词识别设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对敏感词识别设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
基于预设词库识别待识别文本包含的敏感词,得到词集合;
根据所述待识别文本确定所述词集合中各敏感词的语义属性;
根据所述各敏感词的语义属性确定第一词集合;
若所述第一词集合满足情感识别条件,则将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性;
若所述情感属性为目标情感属性,则将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。
本说明书提供的一种模型训练设备实施例如下:
对应上述描述的一种模型训练方法,基于相同的技术构思,本申请实施例还提供一种模型训练设备,该模型训练设备用于执行上述提供的模型训练方法,图8为本申请实施例提供的一种模型训练设备的结构示意图。
本实施例提供的一种模型训练设备,包括:
如图8所示,模型训练设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器801和存储器802,存储器802中可以存储有一个或一个以上存储应用程序或数据。其中,存储器802可以是短暂存储或持久存储。存储在存储器802的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括模型训练设备中的一系列计算机可执行指令。更进一步地,处理器801可以设置为与存储器802通信,在模型训练设备上执行存储器802中的一系列计算机可执行指令。模型训练设备还可以包括一个或一个以上电源803,一个或一个以上有线或无线网络接口804,一个或一个以上输入/输出接口805,一个或一个以上键盘806等。
在一个具体的实施例中,模型训练设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对模型训练设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合;
根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合;
按照划分条件对所述目标敏感词集合进行类别划分,根据类别划分结果更新训练样本集;
基于更新后的训练样本集对所述初始敏感词识别模型进行模型训练,获得敏感词识别模型。
本说明书提供的一种计算机可读存储介质实施例如下:
对应上述描述的一种敏感词识别方法,基于相同的技术构思,本申请实施例还提供一种计算机可读存储介质。
本实施例提供的计算机可读存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
基于预设词库识别待识别文本包含的敏感词,得到词集合;
根据所述待识别文本确定所述词集合中各敏感词的语义属性;
根据所述各敏感词的语义属性确定第一词集合;
若所述第一词集合满足情感识别条件,则将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性;
若所述情感属性为目标情感属性,则将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。
需要说明的是,本说明书中关于计算机可读存储介质的实施例与本说明书中关于敏感词识别方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应方法的实施,重复之处不再赘述。
本说明书提供的一种计算机可读存储介质实施例如下:
对应上述描述的一种模型训练方法,基于相同的技术构思,本申请实施例还提供一种计算机可读存储介质。
本实施例提供的计算机可读存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合;
根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合;
按照划分条件对所述目标敏感词集合进行类别划分,根据类别划分结果更新训练样本集;
基于更新后的训练样本集对所述初始敏感词识别模型进行模型训练,获得敏感词识别模型。
需要说明的是,本说明书中关于计算机可读存储介质的实施例与本说明书中关于模型训练方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应方法的实施,重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域内的技术人员应明白,本申请实施例可提供为方法、系统或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程敏感词识别设备的处理器以产生一个机器,使得通过计算机或其他可编程敏感词识别设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程敏感词识别设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程敏感词识别设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (12)
1.一种敏感词识别方法,其特征在于,所述方法包括:
基于预设词库识别待识别文本包含的敏感词,得到词集合;
根据所述待识别文本确定所述词集合中各敏感词的语义属性;
根据所述各敏感词的语义属性确定第一词集合;
若所述第一词集合满足情感识别条件,则将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性;
若所述情感属性为目标情感属性,则将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待识别文本确定所述词集合中各敏感词的语义属性,包括:
确定所述词集合中与第一语义规则对应的第一类敏感词,以及与第二语义规则对应的第二类敏感词;
按照所述第一语义规则确定所述第一类敏感词在所述待识别文本中的语义属性,以及按照所述第二语义规则确定所述第二类敏感词在所述待识别文本中的语义属性。
3.根据权利要求2所述的方法,其特征在于,所述按照所述第一语义规则确定所述第一类敏感词在所述待识别文本中的语义属性,包括:
获取所述待识别文本中包含所述第一类敏感词的敏感词文本;
计算所述敏感词文本与第一预设语义表中第一文本的第一相似度,以及,计算所述敏感词文本与第二预设语义表中第二文本的第二相似度;
基于所述第一相似度与所述第二相似度确定所述第一类敏感词在所述待识别文本中的语义属性。
4.根据权利要求2所述的方法,其特征在于,所述按照所述第二语义规则确定所述第二类敏感词在所述待识别文本中的语义属性,包括:
对所述待识别文本进行语义识别,并确定所述待识别文本的文本属性;
基于所述文本属性确定所述第二类敏感词的语义属性。
5.根据权利要求1所述的方法,其特征在于,所述情感识别条件,包括:所述第一词集合中的敏感词不为空;
所述方法还包括:
若所述第一词集合中的敏感词为空,将所述第一词集合作为所述待识别文本的敏感词识别结果输出。
6.一种模型训练方法,其特征在于,所述方法包括:
将测试文本输入初始敏感词识别模型进行敏感词识别,获得测试敏感词集合;
根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合;
按照划分条件对所述目标敏感词集合进行类别划分,根据类别划分结果更新训练样本集;
基于更新后的训练样本集对所述初始敏感词识别模型进行模型训练,获得敏感词识别模型。
7.根据权利要求6所述的方法,其特征在于,所述根据所述测试敏感词集合计算识别准确率,并根据所述识别准确率确定目标敏感词集合,包括:
根据所述测试敏感词集合计算所述测试文本的文本识别准确率,以及所述测试文本中各敏感词的词识别准确率;
将所述各敏感词的词识别准确率小于所述文本识别准确率的敏感词确定为所述目标敏感词集合中的目标敏感词。
8.根据权利要求6所述的方法,其特征在于,所述目标敏感词集合包括第三类敏感词和第四类敏感词,所述根据类别划分结果更新训练样本集,包括:
基于所述第三类敏感词,对所述训练样本集中训练样本的标注信息进行更新;
将更新获得的训练样本更新至所述训练样本集;
或者,
确定包含所述第四类敏感词的文本样本中的待标注敏感词;
在所述文本样本中对所述待标注敏感词进行标注处理,并将标注处理后的包含标注信息的文本样本更新至所述训练样本集。
9.根据权利要求6所述的方法,其特征在于,还包括:
删除所述训练样本集中的训练样本中第一类敏感词和第二类敏感词的标注信息;
将删除后获得的训练样本更新至所述训练样本集。
10.一种敏感词识别装置,其特征在于,所述装置包括:
第一识别模块,用于基于预设词库识别待识别文本包含的敏感词,得到词集合;
属性确定模块,用于根据所述待识别文本确定所述词集合中各敏感词的语义属性;
集合确定模块,用于根据所述各敏感词的语义属性确定第一词集合;
若所述第一词集合满足情感识别条件,则运行情感识别模块,所述情感识别模块,用于将所述待识别文本输入情感识别模型进行情感属性识别,获得所述待识别文本的情感属性;
若所述情感属性为目标情感属性,则运行第二识别模块,所述第二识别模块,用于将所述待识别文本输入敏感词识别模型进行敏感词识别,并将识别获得的第二词集合与所述第一词集合进行合并。
11.一种敏感词识别设备,其特征在于,所述设备包括:
处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行如权利要求1-5任一项所述的敏感词识别方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现如权利要求1-5任一项所述的敏感词识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111457767.3A CN114239591B (zh) | 2021-12-01 | 2021-12-01 | 敏感词识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111457767.3A CN114239591B (zh) | 2021-12-01 | 2021-12-01 | 敏感词识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114239591A true CN114239591A (zh) | 2022-03-25 |
CN114239591B CN114239591B (zh) | 2023-08-18 |
Family
ID=80752721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111457767.3A Active CN114239591B (zh) | 2021-12-01 | 2021-12-01 | 敏感词识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114239591B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943228A (zh) * | 2022-06-06 | 2022-08-26 | 北京百度网讯科技有限公司 | 端到端敏感文本召回模型的训练方法、敏感文本召回方法 |
CN115221891A (zh) * | 2022-06-16 | 2022-10-21 | 深圳市八方通科技开发有限公司 | 基于上下文语义分析的目标信息检测方法、装置、系统及介质 |
CN115544240A (zh) * | 2022-11-24 | 2022-12-30 | 闪捷信息科技有限公司 | 文本类敏感信息识别方法、装置、电子设备和存储介质 |
CN118013963A (zh) * | 2024-04-09 | 2024-05-10 | 四川易景智能终端有限公司 | 敏感词的识别和替换方法及其装置 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314519A (zh) * | 2011-10-11 | 2012-01-11 | 中国软件与技术服务股份有限公司 | 一种基于公安领域知识本体模型的信息搜索方法 |
CN103559233A (zh) * | 2012-10-29 | 2014-02-05 | 中国人民解放军国防科学技术大学 | 微博中网络新词抽取方法和微博情感分析方法及系统 |
CN103761221A (zh) * | 2013-12-31 | 2014-04-30 | 北京京东尚科信息技术有限公司 | 用于识别敏感文本信息的系统和方法 |
CN104281645A (zh) * | 2014-08-27 | 2015-01-14 | 北京理工大学 | 一种基于词汇语义和句法依存的情感关键句识别方法 |
CN106055541A (zh) * | 2016-06-29 | 2016-10-26 | 清华大学 | 一种新闻内容敏感词过滤方法及系统 |
CN107783703A (zh) * | 2017-09-26 | 2018-03-09 | 掌阅科技股份有限公司 | 电子书与电子书话题交互方法、计算设备、存储介质 |
US20180124242A1 (en) * | 2016-11-02 | 2018-05-03 | International Business Machines Corporation | System and Method for Monitoring and Visualizing Emotions in Call Center Dialogs by Call Center Supervisors |
CN109492219A (zh) * | 2018-10-25 | 2019-03-19 | 山东省通信管理局 | 一种基于特征分类和情感语义分析的诈骗网站识别方法 |
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 |
CN110633577A (zh) * | 2019-08-22 | 2019-12-31 | 阿里巴巴集团控股有限公司 | 文本脱敏方法以及装置 |
CN110717676A (zh) * | 2019-10-10 | 2020-01-21 | 广西电网有限责任公司 | 一种履约风险管控方法及系统 |
CN110990531A (zh) * | 2019-11-28 | 2020-04-10 | 北京声智科技有限公司 | 一种文本情感识别方法及装置 |
CN110990564A (zh) * | 2019-11-19 | 2020-04-10 | 北京信息科技大学 | 一种基于情感计算与多头注意力机制的负面新闻识别方法 |
CN111159416A (zh) * | 2020-04-02 | 2020-05-15 | 腾讯科技(深圳)有限公司 | 语言任务模型训练方法、装置、电子设备及存储介质 |
CN111694961A (zh) * | 2020-06-23 | 2020-09-22 | 上海观安信息技术股份有限公司 | 一种用于敏感数据泄露检测的关键词语义分类方法与系统 |
CN111832313A (zh) * | 2020-06-09 | 2020-10-27 | 北京百度网讯科技有限公司 | 文本中情感搭配集合的生成方法、装置、设备和介质 |
WO2020246017A1 (ja) * | 2019-06-07 | 2020-12-10 | 株式会社ロボマインド | 自然言語処理システム、自然言語処理方法および自然言語処理プログラム |
CN112417887A (zh) * | 2020-11-20 | 2021-02-26 | 平安普惠企业管理有限公司 | 敏感词句识别模型处理方法、及其相关设备 |
CN113095076A (zh) * | 2021-04-20 | 2021-07-09 | 平安银行股份有限公司 | 敏感词识别方法、装置、电子设备及存储介质 |
CN113420129A (zh) * | 2021-05-08 | 2021-09-21 | 天津大学 | 一种基于大型通用预训练模型控制对话生成的方法 |
CN113486260A (zh) * | 2021-07-15 | 2021-10-08 | 北京三快在线科技有限公司 | 互动信息的生成方法、装置、计算机设备及存储介质 |
CN113553431A (zh) * | 2021-07-27 | 2021-10-26 | 深圳平安综合金融服务有限公司 | 用户标签提取方法、装置、设备及介质 |
-
2021
- 2021-12-01 CN CN202111457767.3A patent/CN114239591B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314519A (zh) * | 2011-10-11 | 2012-01-11 | 中国软件与技术服务股份有限公司 | 一种基于公安领域知识本体模型的信息搜索方法 |
CN103559233A (zh) * | 2012-10-29 | 2014-02-05 | 中国人民解放军国防科学技术大学 | 微博中网络新词抽取方法和微博情感分析方法及系统 |
CN103761221A (zh) * | 2013-12-31 | 2014-04-30 | 北京京东尚科信息技术有限公司 | 用于识别敏感文本信息的系统和方法 |
CN104281645A (zh) * | 2014-08-27 | 2015-01-14 | 北京理工大学 | 一种基于词汇语义和句法依存的情感关键句识别方法 |
CN106055541A (zh) * | 2016-06-29 | 2016-10-26 | 清华大学 | 一种新闻内容敏感词过滤方法及系统 |
US20180124242A1 (en) * | 2016-11-02 | 2018-05-03 | International Business Machines Corporation | System and Method for Monitoring and Visualizing Emotions in Call Center Dialogs by Call Center Supervisors |
CN107783703A (zh) * | 2017-09-26 | 2018-03-09 | 掌阅科技股份有限公司 | 电子书与电子书话题交互方法、计算设备、存储介质 |
CN109492219A (zh) * | 2018-10-25 | 2019-03-19 | 山东省通信管理局 | 一种基于特征分类和情感语义分析的诈骗网站识别方法 |
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 |
WO2020246017A1 (ja) * | 2019-06-07 | 2020-12-10 | 株式会社ロボマインド | 自然言語処理システム、自然言語処理方法および自然言語処理プログラム |
CN110633577A (zh) * | 2019-08-22 | 2019-12-31 | 阿里巴巴集团控股有限公司 | 文本脱敏方法以及装置 |
CN110717676A (zh) * | 2019-10-10 | 2020-01-21 | 广西电网有限责任公司 | 一种履约风险管控方法及系统 |
CN110990564A (zh) * | 2019-11-19 | 2020-04-10 | 北京信息科技大学 | 一种基于情感计算与多头注意力机制的负面新闻识别方法 |
CN110990531A (zh) * | 2019-11-28 | 2020-04-10 | 北京声智科技有限公司 | 一种文本情感识别方法及装置 |
CN111159416A (zh) * | 2020-04-02 | 2020-05-15 | 腾讯科技(深圳)有限公司 | 语言任务模型训练方法、装置、电子设备及存储介质 |
CN111832313A (zh) * | 2020-06-09 | 2020-10-27 | 北京百度网讯科技有限公司 | 文本中情感搭配集合的生成方法、装置、设备和介质 |
CN111694961A (zh) * | 2020-06-23 | 2020-09-22 | 上海观安信息技术股份有限公司 | 一种用于敏感数据泄露检测的关键词语义分类方法与系统 |
CN112417887A (zh) * | 2020-11-20 | 2021-02-26 | 平安普惠企业管理有限公司 | 敏感词句识别模型处理方法、及其相关设备 |
CN113095076A (zh) * | 2021-04-20 | 2021-07-09 | 平安银行股份有限公司 | 敏感词识别方法、装置、电子设备及存储介质 |
CN113420129A (zh) * | 2021-05-08 | 2021-09-21 | 天津大学 | 一种基于大型通用预训练模型控制对话生成的方法 |
CN113486260A (zh) * | 2021-07-15 | 2021-10-08 | 北京三快在线科技有限公司 | 互动信息的生成方法、装置、计算机设备及存储介质 |
CN113553431A (zh) * | 2021-07-27 | 2021-10-26 | 深圳平安综合金融服务有限公司 | 用户标签提取方法、装置、设备及介质 |
Non-Patent Citations (3)
Title |
---|
沙乐天;肖甫;陈伟;孙晶;王汝传;: "基于多属性决策及污点跟踪的大数据平台敏感信息泄露感知方法", 通信学报, no. 07, pages 60 - 73 * |
王曰芬;邢梦婷;: "面向政府决策需求的社会舆情信息语义组织研究", 现代图书情报技术, no. 1, pages 25 - 35 * |
赖茹;杨勇;任鸽;: "基于众包的维吾尔语多源语义知识库构建研究", 计算机应用与软件, no. 08, pages 143 - 148 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943228A (zh) * | 2022-06-06 | 2022-08-26 | 北京百度网讯科技有限公司 | 端到端敏感文本召回模型的训练方法、敏感文本召回方法 |
CN114943228B (zh) * | 2022-06-06 | 2023-11-24 | 北京百度网讯科技有限公司 | 端到端敏感文本召回模型的训练方法、敏感文本召回方法 |
CN115221891A (zh) * | 2022-06-16 | 2022-10-21 | 深圳市八方通科技开发有限公司 | 基于上下文语义分析的目标信息检测方法、装置、系统及介质 |
CN115544240A (zh) * | 2022-11-24 | 2022-12-30 | 闪捷信息科技有限公司 | 文本类敏感信息识别方法、装置、电子设备和存储介质 |
CN115544240B (zh) * | 2022-11-24 | 2023-04-07 | 闪捷信息科技有限公司 | 文本类敏感信息识别方法、装置、电子设备和存储介质 |
CN118013963A (zh) * | 2024-04-09 | 2024-05-10 | 四川易景智能终端有限公司 | 敏感词的识别和替换方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114239591B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114239591B (zh) | 敏感词识别方法及装置 | |
CN108763952B (zh) | 一种数据分类方法、装置及电子设备 | |
CN109460455B (zh) | 一种文本检测方法及装置 | |
CN111984779B (zh) | 一种对话文本分析方法、装置、设备和可读介质 | |
CN110909363A (zh) | 基于大数据的软件第三方组件漏洞应急响应系统及方法 | |
CN112241458B (zh) | 文本的知识结构化处理方法、装置、设备和可读存储介质 | |
CN111338692A (zh) | 基于漏洞代码的漏洞分类方法、装置及电子设备 | |
CN115238688B (zh) | 电子信息数据关联关系分析方法、装置、设备和存储介质 | |
CN113626558B (zh) | 一种基于智能推荐的字段标准化的方法和系统 | |
CN111916110B (zh) | 语音质检的方法及装置 | |
CN115982388B (zh) | 案件质控图谱建立、案件文书质检方法、设备及存储介质 | |
CN108255891B (zh) | 一种判别网页类型的方法及装置 | |
CN117033744A (zh) | 数据查询方法、装置、存储介质以及电子设备 | |
CN110163470B (zh) | 事件评估方法及装置 | |
CN116821903A (zh) | 检测规则确定及恶意二进制文件检测方法、设备及介质 | |
CN109558580B (zh) | 一种文本分析方法及装置 | |
CN110968691B (zh) | 司法热点确定方法及装置 | |
CN113220801B (zh) | 一种结构化数据分类方法、装置、设备及介质 | |
CN110334342B (zh) | 词语重要性的分析方法及装置 | |
CN117035695B (zh) | 一种信息预警的方法、装置、可读存储介质以及电子设备 | |
CN114861680B (zh) | 对话处理方法及装置 | |
CN114638296B (zh) | 网页分类方法及装置 | |
CN116384390A (zh) | 文本标注方法、装置、处理器及电子设备 | |
CN115774770A (zh) | 提取文本的风险信息方法及装置、电子装置及存储介质 | |
CN117591740A (zh) | 新闻消息推送方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |