CN115080744A - 一种数据处理的方法和装置 - Google Patents
一种数据处理的方法和装置 Download PDFInfo
- Publication number
- CN115080744A CN115080744A CN202210761265.8A CN202210761265A CN115080744A CN 115080744 A CN115080744 A CN 115080744A CN 202210761265 A CN202210761265 A CN 202210761265A CN 115080744 A CN115080744 A CN 115080744A
- Authority
- CN
- China
- Prior art keywords
- matching
- word
- word segmentation
- text data
- matching result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 11
- 241000283690 Bos taurus Species 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000011217 control strategy Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 210000002268 wool Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005336 cracking Methods 0.000 description 5
- 230000001680 brushing effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005065 mining Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language 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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种数据处理方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：对待处理的文本数据进行分词处理，获得与所述文本数据对应的多个分词片段；识别各个分词片段中的各个实体，将各个实体与预设关键词库进行匹配，获得关键词匹配结果；在所述关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果；在所述黑话匹配结果指示匹配成功的情况下，将所述文本数据标记为风险数据。该实施方式能够自动化识别出风险数据，识别准确性高、时效性好，能够为上线风险策略提供决策依据，减少业务漏洞造成的损失。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种数据处理的方法和装置。
背景技术
现有技术中对情报的收集，一般是通过卧底或监控网站及论坛等方式进行，即通过人工的方式提取业务漏洞类型、攻击手段等信息；但由于情报人员的专业水平和业务经验参差不齐，不同情报人员对情报信息的价值高低和风险等级的把握不准确，且该方式的时效性较差，不能及时发现业务漏洞，容易造成较大业务损失。
发明内容
有鉴于此，本发明实施例提供一种数据处理的方法和装置，能够自动化识别出风险数据，识别准确性高、时效性好，能够为上线风险策略提供决策依据，减少业务漏洞造成的损失。
为实现上述目的，根据本发明实施例的一个方面，提供了一种数据处理的方法，包括：
对待处理的文本数据进行分词处理，获得与所述文本数据对应的多个分词片段；
识别各个分词片段中的各个实体，将各个实体与预设关键词库进行匹配，获得关键词匹配结果；
在所述关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果；
在所述黑话匹配结果指示匹配成功的情况下，将所述文本数据标记为风险数据。
可选地，获得关键词匹配结果，包括：针对任一实体，在所述任一实体中包含所述预设关键词库中的任一关键词的情况下，确定所述任一实体的关键词匹配结果为与所述任一关键词匹配成功。
可选地，所述预设黑话词库包括多个类型的词库，获得黑话匹配结果，包括：
针对任一分词片段，将所述任一分词片段分别与所述多个类型的词库中的黑话进行匹配，若所述分词片段包含任一类型的词库中的任一黑话，则确定所述任一分词片段黑话匹配结果为与所述任一词库匹配成功。
可选地，获得黑话匹配结果之后，还包括：
在所述黑话匹配结果指示匹配成功的情况下，根据所述黑话匹配结果确定所述文本数据的风险等级。
可选地，获得与所述文本数据对应的多个分词片段之后，还包括：
对所述分词片段进行词性标注，确定每个分词片段的词性标注结果，以根据所述词性标注结果确定所述风险等级。
可选地，根据所述黑话匹配结果确定所述文本数据的风险等级，包括：
获取词性标注为数词的分词片段；
根据所述词性标注为数词的分词片段对应的数值的大小，以及与各个分词片段匹配成功的词库的类型，确定所述文本数据的风险等级。
可选地，根据所述黑话匹配结果确定所述文本数据的风险等级之后，还包括：
根据各个分词片段的词性标注结果、黑话匹配结果、所述风险等级以及关键词匹配结果确定所述文本数据的风险描述结果。
本发明实施例的另一方面提供一种数据处理的装置，包括：
预处理模块，对待处理的文本数据进行分词处理，获得与所述文本数据对应的多个分词片段；
第一匹配模块，识别各个分词片段中的各个实体，将各个实体与预设关键词库进行匹配，获得关键词匹配结果；
第二匹配模块，在所述关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果；
确定模块，当所述黑话匹配结果指示匹配成功的情况下，将所述文本数据标记为风险数据。
根据本发明实施例的再一个方面，提供了一种电子设备，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本发明提供的数据处理的方法。
根据本发明实施例的还一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明提供的数据处理的方法。
上述发明中的一个实施例具有如下优点或有益效果：对待处理的文本数据进行分词处理，获得该文本数据对应的多个分词片段，然后识别出各个分词片段中的实体，并与预设关键词库进行匹配，匹配成功后与预设黑话词库进行匹配，获得黑话匹配结果，在黑话匹配结果指示匹配成功的情况下，确定该文本数据为风险数据。该方法通过自动化挖掘的方式，基于实体识别和预设关键词库，将实体与关键词关联，基于预设黑话词库判断关联的关键词对应的实体信息是否存在业务漏洞风险，可以及时获取风险数据以进行风险预警，该方法的时效性好，能够及时为上线风控策略提供决策依据，以最大限度的覆盖业务风险，减小业务漏洞造成的损失。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的一种数据处理的方法的主要流程的示意图；
图2是根据本发明实施例的另一种数据处理的方法的主要流程的示意图；
图3是根据本发明实施例的一种数据处理的装置的主要模块的示意图；
图4是本发明实施例可以应用于其中的示例性系统架构图；
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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。
图1是根据本发明实施例的一种数据处理的方法的主要流程的示意图，如图1所示，该方法包括以下步骤：
步骤S101：对待处理的文本数据进行分词处理，获得与文本数据对应的多个分词片段；
步骤S102：识别各个分词片段中的各个实体，将各个实体与预设关键词库进行匹配，获得关键词匹配结果；
步骤S103：在关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果；
步骤S104：在黑话匹配结果指示匹配成功的情况下，将文本数据标记为风险数据。
在本发明实施例中，待处理的文本数据可以是互联网公开渠道爬取的文本数据，互联网公开渠道可以为各种论坛、社交网站、社交软件等，通过爬取文本数据可以获取黑灰产用户讨论或分享平台的业务漏洞的情报信息。需要说明的是，本发明实施例所涉及的个人信息等的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
在爬取多条文本数据后，对多条文本数据进行去重处理，以去除冗余数据，从而获得多条待处理的文本数据。通过去重处理可以提高数据处理的效率。其中，可以采用相似度算法进行去重处理，相似度算法可以选择TF-IDF(Term Frequency-Inverse DocumentFrequency，词频-逆文档频度)模型、DSSM(Deep Structured Semantic Model，基于深度网络的语义模型)、Word2Vec(一种词嵌入模型)等相似度计算方法中的一种或几种。
在对待处理的文本数据进行分词处理之前，对待处理的文本数据进行去除特殊字符的处理，以对文本数据进行清洗过滤，降低特殊字符对后续分词处理的准确性的影响。特殊字符如标点符号、停用词、网页标签等。
在本发明实施例中，可以采用自然语义算法对待处理的文本数据进行分词处理，获得文本数据对应的多个分词片段。分词技术可以选择Jieba(结巴分词)、SnowNLP(一种中文的自然语言处理的Python 库)、PkuSeg(一种中文分词工具包)、THULAC(一种中文词法分析工具包)、HanLP(一种自然语言处理开发包)等中的一种或几种。
在获得与文本数据对应的多个分词片段之后，识别各个分词片段中的各个实体，分词片段中实体的识别可以采用实体识别模型实现，其中，实体识别模型可以通过标准的LSTM((Long Short-Term Memory，长短期记忆人工神经网络)+CRF(Conditional RandomField，条件随机场)的模型结构来实现。
在本发明实施例中，在获得各个实体之后，将各个实体与预设关键词库进行匹配，获得关键词匹配结果，包括：针对任一实体，在任一实体中包含预设关键词库中的任一关键词的情况下，确定任一实体的关键词匹配结果为与任一关键词匹配成功。其中，预设关键词库中包括多个关键词，关键词可以与需要进行风险预警的企业信息、平台信息、业务信息等对应，如关键词可以为企业简称、平台名称、业务名称等。在将实体与预设关键词库进行匹配时，将任一实体与任一关键词进行匹配，如果该任一实体包含该任一关键词，则确定该任一实体与该任一关键词匹配成功。即，如实体为AA支付，关键词为AA，实体包含关键词，则该实体与关键词匹配成功。
在本发明实施例中，将各个实体与预设关键词库进行匹配，获得关键词匹配结果，还可以包括：针对任一实体，任一实体与预设关键词库中任一关键词的相似度大于等于预设阈值的情况下，确定任一实体的关键词匹配结果为与任一关键词匹配成功。即，若该任一实体与任一关键词高于预设阈值，则说明二者匹配成功，其中，相似度的计算方法可以采用余弦相似度算法，也可以选择皮尔森相关系数、调整余弦相似度、欧式距离、汉明距离等相似度算法中的一种或几种。
在本发明实施例中，在关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果。其中，预设黑话词库包括多个类型的词库，获得黑话匹配结果，可以包括：针对任一分词片段，将任一分词片段分别与多个类型的词库中的黑话进行匹配，若分词片段包含任一类型的词库中的任一黑话，则确定任一分词片段黑话匹配结果为与任一词库匹配成功。预设黑话词库包括多个类型的词库，如可以为薅羊毛、黄牛刷单、账号交易、作弊工具、逆向破解等类型的词库。每个类型的词库包括多个黑话，如薅羊毛类型包括代金券、积分兑换、领红包、套利、优惠券、体验金等，黄牛刷单类型包括扫货、扫货器等，账号交易类型包括用户数据、账号信息等，作弊工具包括抢单器、刷机、模拟器等，逆向破解类型包括抓包、脱壳、破解等。通过将任一分词片段与不同类型的词库中的黑话进行匹配，若任一分词片段与某类型的词库中的某个黑话匹配成功，则说明该任一分词片段与该类型的词库匹配成功。可以通过判断任一分词片段是否包含任一类型的词库中的任一黑话来判断是否匹配成功，如果包含，则匹配成功，否则匹配不成功。或者，也可以通过计算任一分词片段与任一类型的词库中的任一黑话的相似度，以相似度的大小来判断是否匹配成功，若相似度大于等于预设阈值，则匹配成功，否则匹配不成功。
在本发明实施例中，若文本数据中存在与任一类型词库匹配成功的分词片段，则将文本数据标记为风险数据，说明需要根据该文本数据对匹配成功的关键词进行风险预警，以及时上线对应的风控策略，减少业务漏洞导致的损失。
在本发明实施例中，获得黑话匹配结果之后，还包括：在黑话匹配结果指示匹配成功的情况下，根据黑话匹配结果确定文本数据的风险等级。在文本数据被标记为风险数据后，对该文本数据的风险等级进行的评估，可以通过黑话匹配结果确定风险等级，还可以根据黑话匹配结果确定
在本发明实施例中，获得与文本数据对应的多个分词片段之后，还包括：对分词片段进行词性标注，确定每个分词片段的词性标注结果，以根据词性标注结果确定风险等级。通过每个分词片段的词性标注结果，可以识别出多个分词片段中的名词、动词、形容词、副词、数词等，以用于后续文本数据风险等级的确定。
在本发明实施例中，如图2所示，根据黑话匹配结果确定文本数据的风险等级，包括：
步骤S201：获取词性标注为数词的分词片段；
步骤S202：根据词性标注为数词的分词片段对应的数值的大小，以及与各个分词片段匹配成功的词库的类型，确定文本数据的风险等级。
在本发明实施例中，根据黑话匹配结果确定文本数据的风险等级时，可以首先根据词性标注结果，获取词性标注为数词的分词片段，该数词可能为金额，然后根据该金额的大小和匹配成功的词库的类型，确定文本数据的风险等级。风险等级可以分为高、较高、中、较低和低五个等级。可以根据金额所在的数值范围和词库的类型对应的风险指标值确定风险等级，每个类型的词库具有对应的风险指标值，风险指标值越高，风险越高，例如，薅羊毛类型或黄牛刷单类型的风险指标值高于作弊工具类型或逆向破解类型。
在本发明实施例总，可以为不同的数值范围和不同的词库类型的组合设定对应的风险等级，例如，金额大于100，匹配成功的词库类型为薅羊毛类型或黄牛刷单类型，则风险等级为高；金额为50-100，匹配成功的词库类型为薅羊毛类型或黄牛刷单类型，则风险等级为较高；金额小于50，匹配成功的词库类型为薅羊毛类型或黄牛刷单类型，则风险等级为中。
当文本数据中不存在词性标注为数词的分词片段，可以根据匹配成功的词库的类型确定风险等级。例如，没有金额，匹配成功的词库的类型为薅羊毛类型或黄牛刷单类型，则风险等级为较低；没有金额，匹配成功的词库的类型为作弊工具类型或逆向破解类型，则风险等级为低。
在本发明实施例中，可以仅根据文本数据匹配的词库的类型确定文本数据的风险等级。每个类型的词库可以具有对应的风险等级，则可以将匹配成功的某一类型的词库的风险等级作为文本数据的风险等级，若文本数据与多个类型的词库匹配成功，则可以将风险等级最高的词库对应的风险等级作为文本数据的风险等级。
在本发明实施例中，根据黑话匹配结果确定文本数据的风险等级之后，可以直接将黑话匹配结果、关键词匹配结果和风险等级作为文本数据的风险描述结果。
在本发明实施例中，根据黑话匹配结果确定文本数据的风险等级之后，还包括：根据各个分词片段的词性标注结果、黑话匹配结果、风险等级以及关键词匹配结果确定文本数据的风险描述结果。通过各个分词片段的词性标注结果可以确定每个分词片段的词性，从而可以根据词性构造结构化的风险描述结果；通过黑话匹配结果可以确定文本数据匹配成功的黑话和词库，通过关键词匹配结果可以确定该文本数据所关联的关键词，通过匹配成功词库的类型和词性为数次的分词片段，确定出文本数据的风险等级，以及造成的损失，从而根据上述内容可以组成文本数据的结构化的风险描述结果，如风险描述结果可以包括以哪种黑话类型、对哪个企业、通过何种黑话方式、对其造成损失、预估的风险等级，实现对企业进行风险预警。该文本数据的风险描述结果可以为风控运营人员上线风控策略提供决策依据。
本发明实施例提供的数据处理的方法，通过对待处理的文本数据进行预处理，如分词处理、词性标注等，获得多个分词片段，然后对分词片段进行实体识别，并将识别出的实体与预设关键词库进行匹配，确定匹配成功的关键词，然后基于预设黑话词库获得匹配成功的黑话和词库，进而确定文本数据的风险等级，然后根据词性标注结果、匹配成功的关键词、匹配成功的黑话和词库、风险等级组合得到文本数据的结构化的风险描述结果，以提供风险预警，从而可以为上线风控策略提供决策依据，该方法能够快速发现具有风险的文本数据，且通过匹配成功黑话和词库确定攻击手段，该方法通过自动化挖掘的方式实现，减少了由于情报人员能力参差不齐导致的误判，且时效性好，能够快速上线针对业务漏洞的风控策略，最大限度的覆盖业务风险，减少造成的业务损失。
如图3所示，本发明实施例的另一方面提供一种数据处理的装置 300，包括：
预处理模块301，对待处理的文本数据进行分词处理，获得与文本数据对应的多个分词片段；
第一匹配模块302，识别各个分词片段中的各个实体，将各个实体与预设关键词库进行匹配，获得关键词匹配结果；
第二匹配模块303，在关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果；
确定模块304，当黑话匹配结果指示匹配成功的情况下，将文本数据标记为风险数据。
在本发明实施例中，第一匹配模块302，进一步用于：针对任一实体，在任一实体中包含预设关键词库中的任一关键词的情况下，确定任一实体的关键词匹配结果为与任一关键词匹配成功。
在本发明实施例中，预设黑话词库包括多个类型的词库，第二匹配模块303，进一步用于：
针对任一分词片段，将任一分词片段分别与多个类型的词库中的黑话进行匹配，若分词片段包含任一类型的词库中的任一黑话，则确定任一分词片段黑话匹配结果为与任一词库匹配成功。
在本发明实施例中，确定模块304，还用于：获得黑话匹配结果之后，在黑话匹配结果指示匹配成功的情况下，根据黑话匹配结果确定文本数据的风险等级。
在本发明实施例中，预处理模块301，还用于：获得与文本数据对应的多个分词片段之后，对分词片段进行词性标注，确定每个分词片段的词性标注结果，以根据词性标注结果确定风险等级。
在本发明实施例中，确定模块304，进一步用于：获取词性标注为数词的分词片段；根据词性标注为数词的分词片段对应的数值的大小，以及与各个分词片段匹配成功的词库的类型，确定文本数据的风险等级。
在本发明实施例中，确定模块304，还用于：根据黑话匹配结果确定文本数据的风险等级之后，还包括：根据各个分词片段的词性标注结果、黑话匹配结果、风险等级以及关键词匹配结果确定文本数据的风险描述结果。
本发明实施例的还一方面提供一种电子设备，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本发明实施例的数据处理的方法。
本发明实施例的还一方面提供一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现本发明实施例的数据处理的方法。。
图4示出了可以应用本发明实施例的数据处理的方法或数据处理的装置的示例性系统架构400。
如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404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。
用户可以使用终端设备401、402、403通过网络404与服务器405 交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器 (仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息-- 仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的数据处理的方法一般由服务器405执行，相应地，数据处理的装置一般设置于服务器405中。
应该理解，图4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。
下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508 加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/ 输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，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，本发明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部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU) 501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括预处理模块、第一匹配模块、第二匹配模块和确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，预处理模块还可以被描述为“对待处理的文本数据进行分词处理，获得与文本数据对应的多个分词片段的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：对待处理的文本数据进行分词处理，获得与文本数据对应的多个分词片段；识别各个分词片段中的各个实体，将各个实体与预设关键词库进行匹配，获得关键词匹配结果；在关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果；在黑话匹配结果指示匹配成功的情况下，将文本数据标记为风险数据。
根据本发明实施例的技术方案，通过对待处理的文本数据进行预处理，如分词处理、词性标注等，获得多个分词片段，然后对分词片段进行实体识别，并将识别出的实体与预设关键词库进行匹配，确定匹配成功的关键词，然后基于预设黑话词库获得匹配成功的黑话和词库，进而确定文本数据的风险等级，然后根据词性标注结果、匹配成功的关键词、匹配成功的黑话和词库、风险等级组合得到文本数据的结构化的风险描述结果，以提供风险预警，从而可以为上线风控策略提供决策依据，该方法能够快速发现具有风险的文本数据，且通过匹配成功黑话和词库确定攻击手段，该方法通过自动化挖掘的方式实现，减少了由于情报人员能力参差不齐导致的误判，且时效性好，能够快速上线针对业务漏洞的风控策略，最大限度的覆盖业务风险，减少造成的业务损失。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种数据处理的方法，其特征在于，包括：
对待处理的文本数据进行分词处理，获得与所述文本数据对应的多个分词片段；
识别各个分词片段中的各个实体，将各个实体与预设关键词库进行匹配，获得关键词匹配结果；
在所述关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果；
在所述黑话匹配结果指示匹配成功的情况下，将所述文本数据标记为风险数据。
2.根据权利要求1所述的方法，其特征在于，获得关键词匹配结果，包括：针对任一实体，在所述任一实体中包含所述预设关键词库中的任一关键词的情况下，确定所述任一实体的关键词匹配结果为与所述任一关键词匹配成功。
3.根据权利要求1所述的方法，其特征在于，所述预设黑话词库包括多个类型的词库，获得黑话匹配结果，包括：
针对任一分词片段，将所述任一分词片段分别与所述多个类型的词库中的黑话进行匹配，若所述分词片段包含任一类型的词库中的任一黑话，则确定所述任一分词片段黑话匹配结果为与所述任一词库匹配成功。
4.根据权利要求3所述的方法，其特征在于，获得黑话匹配结果之后，还包括：
在所述黑话匹配结果指示匹配成功的情况下，根据所述黑话匹配结果确定所述文本数据的风险等级。
5.根据权利要求4所述的方法，其特征在于，获得与所述文本数据对应的多个分词片段之后，还包括：
对所述分词片段进行词性标注，确定每个分词片段的词性标注结果，以根据所述词性标注结果确定所述风险等级。
6.根据权利要求5所述的方法，其特征在于，根据所述黑话匹配结果确定所述文本数据的风险等级，包括：
获取词性标注为数词的分词片段；
根据所述词性标注为数词的分词片段对应的数值的大小，以及与各个分词片段匹配成功的词库的类型，确定所述文本数据的风险等级。
7.根据权利要求5所述的方法，其特征在于，根据所述黑话匹配结果确定所述文本数据的风险等级之后，还包括：
根据各个分词片段的词性标注结果、黑话匹配结果、风险等级以及关键词匹配结果确定所述文本数据的风险描述结果。
8.一种数据处理的装置，其特征在于，包括：
预处理模块，对待处理的文本数据进行分词处理，获得与所述文本数据对应的多个分词片段；
第一匹配模块，识别各个分词片段中的各个实体，将各个实体与预设关键词库进行匹配，获得关键词匹配结果；
第二匹配模块，在所述关键词匹配结果指示匹配成功的情况下，将各个分词片段与预设黑话词库进行匹配，获得黑话匹配结果；
确定模块，当所述黑话匹配结果指示匹配成功的情况下，将所述文本数据标记为风险数据。
9.一种电子设备，其特征在于，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，其特征在于，所述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 |
|---|---|---|---|
| CN202210761265.8A CN115080744A (zh) | 2022-06-30 | 2022-06-30 | 一种数据处理的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210761265.8A CN115080744A (zh) | 2022-06-30 | 2022-06-30 | 一种数据处理的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115080744A true CN115080744A (zh) | 2022-09-20 |
Family
ID=83255856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210761265.8A Pending CN115080744A (zh) | 2022-06-30 | 2022-06-30 | 一种数据处理的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115080744A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116957666A (zh) * | 2023-09-19 | 2023-10-27 | 南京大数据集团有限公司 | 一种基于流通特征识别的积分数据处理方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114021564A (zh) * | 2022-01-06 | 2022-02-08 | 成都无糖信息技术有限公司 | 一种针对社交文本的切分取词方法及系统 |
| CN114201964A (zh) * | 2021-12-15 | 2022-03-18 | 建信金融科技有限责任公司 | 舆情风险识别方法、装置、电子设备及存储介质 |
-
2022
- 2022-06-30 CN CN202210761265.8A patent/CN115080744A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114201964A (zh) * | 2021-12-15 | 2022-03-18 | 建信金融科技有限责任公司 | 舆情风险识别方法、装置、电子设备及存储介质 |
| CN114021564A (zh) * | 2022-01-06 | 2022-02-08 | 成都无糖信息技术有限公司 | 一种针对社交文本的切分取词方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116957666A (zh) * | 2023-09-19 | 2023-10-27 | 南京大数据集团有限公司 | 一种基于流通特征识别的积分数据处理方法及系统 |
| CN116957666B (zh) * | 2023-09-19 | 2024-04-02 | 南京大数据集团有限公司 | 一种基于流通特征识别的积分数据处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11334635B2 (en) | Domain specific natural language understanding of customer intent in self-help | |
| CN111767716B (zh) | 企业多级行业信息的确定方法、装置及计算机设备 | |
| CN108334489B (zh) | 文本核心词识别方法和装置 | |
| WO2019108276A1 (en) | Method and apparatus for providing personalized self-help experience | |
| CN102043843A (zh) | 一种用于基于目标应用获取目标词条的方法与获取设备 | |
| CN111782793A (zh) | 智能客服处理方法和系统及设备 | |
| CN111582314A (zh) | 目标用户确定方法、装置及电子设备 | |
| CN117351336A (zh) | 图像审核方法和相关设备 | |
| CN113435859A (zh) | 信访件处理方法、装置、电子设备和计算机可读介质 | |
| CN111783424A (zh) | 一种文本分句方法和装置 | |
| KR20170060958A (ko) | 금융 사기 방지 방법 및 시스템 | |
| CN114298845A (zh) | 一种理赔票据处理方法和装置 | |
| CN115080744A (zh) | 一种数据处理的方法和装置 | |
| CN112905753A (zh) | 一种判别文本信息的方法和装置 | |
| CN112579781B (zh) | 文本归类方法、装置、电子设备及介质 | |
| CN115238676B (zh) | 招标需求热点识别方法、装置、存储介质及电子设备 | |
| CN111126073A (zh) | 语义检索方法和装置 | |
| CN115062110A (zh) | 文本处理方法、装置、电子设备和介质 | |
| CN111368036B (zh) | 用于搜索信息的方法和装置 | |
| CN114971833A (zh) | 一种税收信息处理方法及相关设备 | |
| CN110276001B (zh) | 盘点页识别方法、装置、计算设备和介质 | |
| CN113095078A (zh) | 关联资产确定方法、装置和电子设备 | |
| CN112926295A (zh) | 模型推荐方法和装置 | |
| CN110891010B (zh) | 用于发送信息的方法和装置 | |
| CN113239259A (zh) | 确定相似店铺的方法和装置 |
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 |