CN115271686A - 政务数据智能审核方法及装置 - Google Patents

政务数据智能审核方法及装置 Download PDF

Info

Publication number
CN115271686A
CN115271686A CN202211185596.8A CN202211185596A CN115271686A CN 115271686 A CN115271686 A CN 115271686A CN 202211185596 A CN202211185596 A CN 202211185596A CN 115271686 A CN115271686 A CN 115271686A
Authority
CN
China
Prior art keywords
government affair
matrix
government
text
affair
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
Application number
CN202211185596.8A
Other languages
English (en)
Other versions
CN115271686B (zh
Inventor
张煇
杨勇
冯向阳
马小娴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Changhe Digital Intelligence Technology Co ltd
Changhe Information Co ltd
Original Assignee
Shanxi Changhe Technology Co ltd
Beijing Changhe Digital Intelligence Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanxi Changhe Technology Co ltd, Beijing Changhe Digital Intelligence Technology Co ltd filed Critical Shanxi Changhe Technology Co ltd
Priority to CN202211185596.8A priority Critical patent/CN115271686B/zh
Publication of CN115271686A publication Critical patent/CN115271686A/zh
Application granted granted Critical
Publication of CN115271686B publication Critical patent/CN115271686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据处理技术领域，一种政务数据智能审核方法及装置，包括：接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组，将所述结构化政务词组输入至命名实体识别模型得到命名实体识别集，对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果。本发明可以解决过于依赖人工审核政务数据造成人力资源浪费的问题。

Description

政务数据智能审核方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种政务数据智能审核方法、装置、电子设备及计算机可读存储介质。
背景技术
政务数据是政府部门根据所掌握信息而总结得到并用于发布、报告类的数据。政务数据具有权威性和引导性，若审核不过关的政务数据被公告公开，不仅会导致人们形成错误观念，损害人们知情权，还会导致政府部门公信力降低的问题。
目前政务数据审核主要基于人工审核，即编辑员编辑出待发布政务文本后提交至政务审核部门，政务审核部门中的审核人员阅读并提出修改意见。严格来说，人工审核对于政府部门来说是最安全的审核方法。但过于依赖人工审核容易造成人力资源浪费的问题，因此，目前缺乏一种可在人工审核政务数据之前，实现对政务数据自动审核以减轻人工审核工作量的方案。
发明内容
本发明提供一种政务数据智能审核方法、装置及计算机可读存储介质，其主要目的在于解决过于依赖人工审核政务数据造成人力资源浪费的问题。
为实现上述目的，本发明提供的一种政务数据智能审核方法，包括：
接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组；
将所述结构化政务词组输入至命名实体识别模型，其中所述命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层；
利用所述词向量层将结构化政务词组转为结构化政务向量集，其中词向量层由Word2Vec组成；
利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集；
利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集，其中第二特征提取方法为：
利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵；
将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集；
利用所述命名识别预测层预测第二政务矩阵集中每个政务特征的命名实体，得到命名实体识别集；
对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，其中智能审核包括：
接收预收集的禁止发布文本集，其中禁止发布文本集中每个禁止发布文本均包括敏感实体；
依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重；
当存在权重大于或等于阈值权重时的命名实体时，表示审核未通过，在所述待发布政务文本中标记出权重大于阈值权重的命名实体，以提醒编辑员重新修改待发布政务文本；
直至不存在权重大于或等于阈值权重的命名实体时，表示审核通过，允许待发布政务文本或完成修改的待发布政务文本执行发布操作。
可选地，所述将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组，包括：
识别所述待发布政务文本的标点符号，并基于所述识别的标点符号切分待发布政务文本，得到待发布政务语句；
基于分词模型对所述待发布政务语句执行分词操作，得到待发布政务词语；
去除待发布政务词语中的停用词，得到所述结构化政务词组。
可选地，所述命名实体识别模型识别出的命名实体包括五大类，分别为：政府部门名称实体、公司名称实体、农植物名称实体、道路交通名称实体及产品名称实体。
可选地，所述利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集，包括：
按照结构化政务向量集中每个向量在待发布政务文本中的文本顺序，依次提取每个结构化政务向量，并执行下述操作：
Figure 288394DEST_PATH_IMAGE001
其中，
Figure 376436DEST_PATH_IMAGE002
表示
Figure 754721DEST_PATH_IMAGE003
时刻输入至第一特征提取层的结构化政务向量，
Figure 750359DEST_PATH_IMAGE004
为sigmod 激活函数，tanh为双曲正切激活函数，
Figure 232287DEST_PATH_IMAGE005
分别表示
Figure 287968DEST_PATH_IMAGE003
时刻的输入门、忘记门、输出门、记忆细胞的状态值，
Figure 353882DEST_PATH_IMAGE006
表示不同控制门对应的权重矩阵，
Figure 418790DEST_PATH_IMAGE007
表示不同控制门对应的偏置向量，
Figure 20803DEST_PATH_IMAGE008
表示执行第一特征提取所产生的中间状态值，
Figure 247385DEST_PATH_IMAGE009
表示点乘运算，
Figure 24365DEST_PATH_IMAGE010
表示与
Figure 627385DEST_PATH_IMAGE002
对应的第一政务矩阵；
汇集所生成的所有第一政务矩阵，得到所述第一政务矩阵集。
可选地，所述利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵，包括：
采用如下公式计算得到三组
Figure 83905DEST_PATH_IMAGE011
Figure 950230DEST_PATH_IMAGE012
Figure 475890DEST_PATH_IMAGE013
其中，
Figure 397447DEST_PATH_IMAGE014
表示第一政务矩阵集中第
Figure 692162DEST_PATH_IMAGE015
个第一政务矩阵，
Figure 480121DEST_PATH_IMAGE016
表示根据第
Figure 493076DEST_PATH_IMAGE015
个第一政务矩阵生成的问题矩阵，
Figure 955675DEST_PATH_IMAGE017
表示根据第
Figure 370475DEST_PATH_IMAGE015
个第一政务矩阵生成的搭配矩阵，
Figure 126073DEST_PATH_IMAGE018
表示根据第
Figure 829587DEST_PATH_IMAGE015
个第一政务矩阵生成的信息矩阵，问题矩阵、搭配矩阵及信息矩阵统称三组权重政务矩阵，
Figure 578100DEST_PATH_IMAGE019
分别为问题矩阵、搭配矩阵及信息矩阵的权重矩阵。
可选地，所述将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集，包括：
依次计算每个问题矩阵与其他所有的搭配矩阵的乘积，得到多组回答矩阵；
将多组回答矩阵与其他所有的信息矩阵执行相加，得到所述第二政务矩阵集。
可选地，所述依次计算每个问题矩阵与其他所有的搭配矩阵的乘积，得到多组回答矩阵，包括：
采用如下方法计算得到每组回答矩阵：
Figure 96675DEST_PATH_IMAGE020
其中，
Figure 272441DEST_PATH_IMAGE021
表示第
Figure 276300DEST_PATH_IMAGE015
个第一政务矩阵的问题矩阵与第
Figure 562925DEST_PATH_IMAGE022
个第一政务矩阵的搭配矩阵的回答矩阵，
Figure 198656DEST_PATH_IMAGE023
表示第
Figure 279745DEST_PATH_IMAGE022
个第一政务矩阵的搭配矩阵，
Figure 708583DEST_PATH_IMAGE024
为第
Figure 798899DEST_PATH_IMAGE015
个第一政务矩阵的问题矩阵的矩阵维度。
可选地，所述将多组回答矩阵与其他所有的信息矩阵执行相加，得到所述第二政务矩阵集，包括：
采用如下方法计算得到每个第二政务矩阵：
Figure 292066DEST_PATH_IMAGE025
其中，
Figure 809635DEST_PATH_IMAGE026
表示第二政务矩阵集中第
Figure 256928DEST_PATH_IMAGE015
个政务矩阵，
Figure 150935DEST_PATH_IMAGE027
为第一政务矩阵集的矩阵总数，
Figure 501538DEST_PATH_IMAGE028
为第
Figure 190008DEST_PATH_IMAGE022
个第一政务矩阵的信息矩阵；
汇总每个政务矩阵得到所述第二政务矩阵集。
可选地，所述依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重，包括：
每个命名实体在禁止发布文本集中的权重采用如下方法：
Figure 124597DEST_PATH_IMAGE029
其中，
Figure 556716DEST_PATH_IMAGE030
表示第
Figure 24475DEST_PATH_IMAGE015
个命名实体与禁止发布文本集中第
Figure 883847DEST_PATH_IMAGE022
个禁止发布文本的权重，
Figure 305732DEST_PATH_IMAGE031
表示第
Figure 275962DEST_PATH_IMAGE015
个命名实体在第
Figure 595298DEST_PATH_IMAGE022
个禁止发布文本的出现频率，
Figure 891150DEST_PATH_IMAGE032
表示禁止发布文本集的总文档数，
Figure 800331DEST_PATH_IMAGE033
表示禁止发布文本集中含有第
Figure 574252DEST_PATH_IMAGE015
个命名实体的文档数，
Figure 705019DEST_PATH_IMAGE003
表示禁止发布文本集中所包括的敏感实体总数。
为了解决上述问题，本发明还提供一种政务数据智能审核装置，所述装置包括：
语句结构操作模块，用于接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组；
第一特征提取模块，用于将所述结构化政务词组输入至命名实体识别模型，其中所述命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层，利用所述词向量层将结构化政务词组转为结构化政务向量集，其中词向量层由Word2Vec组成，利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集；
第二特征提取模块，用于利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集，其中第二特征提取方法为：
利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵；
将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集；
命名实体识别模块，用于利用所述命名识别预测层预测第二政务矩阵集中每个政务特征的命名实体，得到命名实体识别集；
智能审核模块，用于对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，其中智能审核包括：
接收预收集的禁止发布文本集，其中禁止发布文本集中每个禁止发布文本均包括敏感实体；
依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重；
当存在权重大于或等于阈值权重时的命名实体时，表示审核未通过，在所述待发布政务文本中标记出权重大于阈值权重的命名实体，以提醒编辑员重新修改待发布政务文本；
直至不存在权重大于或等于阈值权重的命名实体时，表示审核通过，允许待发布政务文本或完成修改的待发布政务文本执行发布操作。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的政务数据智能审核方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的政务数据智能审核方法。
本发明实施例为解决背景技术所述问题，先将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组，然后将结构化政务词组输入至命名实体识别模型执行命名实体识别，得到命名实体识别集，由于命名实体中经常包括敏感类词汇，人工审核政务数据的主要审核标准之一就是查看是否有敏感类词汇，因此对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，可见本发明实施例在人工审核之前，通过所提出的方法可先剔除敏感类词汇，达到减轻人力资源消耗的问题。因此本发明提出的政务数据智能审核方法、装置、电子设备及计算机可读存储介质，可以解决过于依赖人工审核政务数据造成人力资源浪费的问题。
附图说明
图1为本发明一实施例提供的政务数据智能审核方法的流程示意图；
图2为本发明一实施例提供的政务数据智能审核装置的功能模块图；
图3为本发明一实施例提供的实现所述政务数据智能审核方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种政务数据智能审核方法。所述政务数据智能审核方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述政务数据智能审核方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的政务数据智能审核方法的流程示意图。在本实施例中，所述政务数据智能审核方法包括：
S1、接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组。
需解释的是，由于政务平台需要实时更新政务咨询，如某市政务平台需要不断反馈本市所发生的新闻资讯，而以文本作为载体的新闻资讯则需要编辑员手动编辑，从而生成待发布的新闻资讯。可理解的是，政务平台作为权威机构，每一次的资讯发布都需经过审核，以防止出现误导等重大意外。
本发明实施例中，所述将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组，包括：
识别所述待发布政务文本的标点符号，并基于所述识别的标点符号切分待发布政务文本，得到待发布政务语句；
基于分词模型对所述待发布政务语句执行分词操作，得到待发布政务词语；
去除待发布政务词语中的停用词，得到所述结构化政务词组。
需解释的是，分词模型可使用当前公开的Jieba分词模型或NLTM分词模型等。示例性的，编辑员编辑的农业类待发布政务文本为：“我市农业研究院的农业专家表示，现在我市部分农田发现小麦赤霉病，请做好及时的小麦防护准备”，经过语句结构拆分得到结构化政务词组为：“我市、农业研究院、农业、专家、我市、农田、发现、小麦赤霉病、小麦、防护、准备”。
S2、将所述结构化政务词组输入至命名实体识别模型，其中所述命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层。
本发明实施例中，命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层。其中词向量的主要作用是将结构化政务词组转为向量形式，方便后续第一特征提取层、第二特征提取层执行特征提取。此外，命名识别预测层是集成机器学习算法实现命名实体预测的网络层。
常识性的，命名实体识别模型也需经过预先训练才能使用，训练过程与其他深度学习模型相似，在此不再赘述。
进一步地，本发明实施例命名实体包括五大类实体，分别为：政府部门名称实体、公司名称实体、农植物名称实体、道路交通名称实体、产品名称实体。示例性的，上述农业类待发布政务文本的实体包括：“农业研究院”、“小麦赤霉病”等。
S3、利用所述词向量层将结构化政务词组转为结构化政务向量集，其中词向量层由Word2Vec组成。
需解释的是，Word2vec又称Word Embeddings，作用是将自然语言中的字词转为计算机可以理解的稠密向量。如将本发明实施例中所涉及的结构化政务词组转为结构化政务向量集。
S4、利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集。
详细地，所述利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集，包括：
按照结构化政务向量集中每个向量在待发布政务文本中的文本顺序，依次提取每个结构化政务向量，并执行下述操作：
Figure 155461DEST_PATH_IMAGE001
其中，
Figure 801206DEST_PATH_IMAGE002
表示
Figure 129550DEST_PATH_IMAGE003
时刻输入至第一特征提取层的结构化政务向量，
Figure 177141DEST_PATH_IMAGE004
为sigmod 激活函数，tanh为双曲正切激活函数，
Figure 801414DEST_PATH_IMAGE005
分别表示
Figure 934455DEST_PATH_IMAGE003
时刻的输入门、忘记门、输出门、记忆细胞的状态值，
Figure 800911DEST_PATH_IMAGE006
表示不同控制门对应的权重矩阵，
Figure 906270DEST_PATH_IMAGE007
表示不同控制门对应的偏置向量，
Figure 698514DEST_PATH_IMAGE008
表示执行第一特征提取所产生的中间状态值，
Figure 584431DEST_PATH_IMAGE009
表示点乘运算，
Figure 988998DEST_PATH_IMAGE010
表示与
Figure 745602DEST_PATH_IMAGE002
对应的第一政务矩阵；
汇集所生成的所有第一政务矩阵，得到所述第一政务矩阵集。
需解释的是，本发明实施例利用两次特征提取提取出每个待发布政务文本的文本特征，从而提高命名实体识别的准确率。
S5、利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集。
详细地，所述利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集，包括：
利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵；
将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集。
进一步地，所述利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵，包括：
采用如下公式计算得到三组
Figure 971397DEST_PATH_IMAGE011
Figure 16713DEST_PATH_IMAGE012
Figure 474240DEST_PATH_IMAGE013
其中，
Figure 367240DEST_PATH_IMAGE014
表示第一政务矩阵集中第
Figure 252020DEST_PATH_IMAGE015
个第一政务矩阵，
Figure 830638DEST_PATH_IMAGE016
表示根据第
Figure 295117DEST_PATH_IMAGE015
个第一政务矩阵生成的问题矩阵，
Figure 42624DEST_PATH_IMAGE017
表示根据第
Figure 98305DEST_PATH_IMAGE015
个第一政务矩阵生成的搭配矩阵，
Figure 167148DEST_PATH_IMAGE018
表示根据第
Figure 966477DEST_PATH_IMAGE015
个第一政务矩阵生成的信息矩阵，问题矩阵、搭配矩阵及信息矩阵统称三组权重政务矩阵，
Figure 302912DEST_PATH_IMAGE019
分别为问题矩阵、搭配矩阵及信息矩阵的权重矩阵。
进一步地，所述将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集，包括：
依次计算每个问题矩阵与其他所有的搭配矩阵的乘积，得到多组回答矩阵；
将多组回答矩阵与其他所有的信息矩阵执行相加，得到所述第二政务矩阵集。
详细地，所述依次计算每个问题矩阵与其他所有的搭配矩阵的乘积，得到多组回答矩阵，包括：
采用如下方法计算得到每组回答矩阵：
Figure 795073DEST_PATH_IMAGE020
其中，
Figure 348283DEST_PATH_IMAGE021
表示第
Figure 888986DEST_PATH_IMAGE015
个第一政务矩阵的问题矩阵与第
Figure 860353DEST_PATH_IMAGE022
个第一政务矩阵的搭配矩阵的回答矩阵，
Figure 8568DEST_PATH_IMAGE023
表示第
Figure 3069DEST_PATH_IMAGE022
个第一政务矩阵的搭配矩阵，
Figure 210714DEST_PATH_IMAGE024
为第
Figure 771008DEST_PATH_IMAGE015
个第一政务矩阵的问题矩阵的矩阵维度。
进一步地，所述将多组回答矩阵与其他所有的信息矩阵执行相加，得到所述第二政务矩阵集，包括：
采用如下方法计算得到每个第二政务矩阵：
Figure 558967DEST_PATH_IMAGE025
其中，
Figure 571922DEST_PATH_IMAGE026
表示第二政务矩阵集中第
Figure 766012DEST_PATH_IMAGE015
个政务矩阵，
Figure 446392DEST_PATH_IMAGE027
为第一政务矩阵集的矩阵总数，
Figure 654519DEST_PATH_IMAGE028
为第
Figure 905503DEST_PATH_IMAGE022
个第一政务矩阵的信息矩阵；
汇总每个政务矩阵得到所述第二政务矩阵集。
需解释的，根据上述第二特征提取的描述，进一步提取出待发布政务文本的文本特征即第二政务矩阵集。第二政务矩阵集可直接利用机器学习算法执行分类，识别出属于上述五大类实体的哪一种实体。
S6、利用所述命名识别预测层预测第二政务矩阵集中每个政务特征的命名实体，得到命名实体识别集。
本发明实施例中，所述命名识别预测层可由随机森林、支持向量机等传统机器学习算法构建得到，共包括两重预测，第一重预测每个第二政务矩阵是否属于实体类，当属于实体类则执行第二重预测，即预测每个实体类属于上述五大类实体的哪一种实体。
需解释的是，由于传统机器学习实现命名实体预测为公开技术，在此不再赘述。
S7、对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果。
详细地，所述对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，包括：
接收预收集的禁止发布文本集，其中禁止发布文本集中每个禁止发布文本均包括敏感实体；
依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重；
当存在权重大于或等于阈值权重时的命名实体时，表示审核未通过，在所述待发布政务文本中标记出权重大于阈值权重的命名实体，以提醒编辑员重新修改待发布政务文本；
直至不存在权重大于或等于阈值权重的命名实体时，表示审核通过，允许待发布政务文本或完成修改的待发布政务文本执行发布操作。
本发明实施例需解释的是，禁止发布文本集是预先收集的文本结合，这类文本集合由于包括政府部门禁止使用的敏感词类实体而被限制发布。
进一步地，所述依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重，包括：
每个命名实体在禁止发布文本集中的权重采用如下方法：
Figure 388437DEST_PATH_IMAGE029
其中，
Figure 175521DEST_PATH_IMAGE030
表示第
Figure 351287DEST_PATH_IMAGE015
个命名实体与禁止发布文本集中第
Figure 886305DEST_PATH_IMAGE022
个禁止发布文本的权重，
Figure 422197DEST_PATH_IMAGE031
表示第
Figure 749273DEST_PATH_IMAGE015
个命名实体在第
Figure 95941DEST_PATH_IMAGE022
个禁止发布文本的出现频率，
Figure 852676DEST_PATH_IMAGE032
表示禁止发布文本集的总文档数，
Figure 189329DEST_PATH_IMAGE033
表示禁止发布文本集中含有第
Figure 433229DEST_PATH_IMAGE015
个命名实体的文档数，
Figure 435951DEST_PATH_IMAGE003
表示禁止发布文本集中所包括的敏感实体总数。
可理解的是，经过上式可依次计算出待发布政务文本中每个命名实体与禁止发布文本集的权重关系，进一步地，当待发布政务文本中存在权重大于或等于阈值权重时的命名实体时，表示待发布政务文本不符合政务数据发布的要求，即审核未通过，为了提醒编辑员重新修改待发布政务文本，因此本发明实施例在待发布政务文本中标记出权重大于阈值权重的命名实体。直至不存在权重大于或等于阈值权重的命名实体时，表示待发布政务文本合规，即允许执行发布操作。
本发明实施例为解决背景技术所述问题，先将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组，然后将结构化政务词组输入至命名实体识别模型执行命名实体识别，得到命名实体识别集，由于命名实体中经常包括敏感类词汇，人工审核政务数据的主要审核标准之一就是查看是否有敏感类词汇，因此对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，可见本发明实施例在人工审核之前，通过所提出的方法可先剔除敏感类词汇，达到减轻人力资源消耗的问题。因此本发明提出的政务数据智能审核方法、装置、电子设备及计算机可读存储介质，可以解决过于依赖人工审核政务数据造成人力资源浪费的问题。
如图2所示，是本发明一实施例提供的政务数据智能审核装置的功能模块图。
本发明所述政务数据智能审核装置100可以安装于电子设备中。根据实现的功能，所述政务数据智能审核装置100可以包括语句结构操作模块101、第一特征提取模块102、第二特征提取模块103、命名实体识别模块104及智能审核模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
所述语句结构操作模块101，用于接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组；
所述第一特征提取模块102，用于将所述结构化政务词组输入至命名实体识别模型，其中所述命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层，利用所述词向量层将结构化政务词组转为结构化政务向量集，其中词向量层由Word2Vec组成，利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集；
所述第二特征提取模块103，用于利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集，其中第二特征提取方法为：
利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵；
将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集；
所述命名实体识别模块104，用于利用所述命名识别预测层预测第二政务矩阵集中每个政务特征的命名实体，得到命名实体识别集；
所述智能审核模块105，用于对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，其中智能审核包括：
接收预收集的禁止发布文本集，其中禁止发布文本集中每个禁止发布文本均包括敏感实体；
依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重；
当存在权重大于或等于阈值权重时的命名实体时，表示审核未通过，在所述待发布政务文本中标记出权重大于阈值权重的命名实体，以提醒编辑员重新修改待发布政务文本；
直至不存在权重大于或等于阈值权重的命名实体时，表示审核通过，允许待发布政务文本或完成修改的待发布政务文本执行发布操作。
详细地，本发明实施例中所述政务数据智能审核装置100中的所述各模块在使用时采用与上述的图1中所述的基于区块链的产品供应链管理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明一实施例提供的实现政务数据智能审核方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如政务数据智能审核方法程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如政务数据智能审核方法程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如政务数据智能审核方法程序等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线12可以分为地址总线、数据总线、控制总线等。所述总线12被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的政务数据智能审核方法程序是多个指令的组合，在所述处理器10中运行时，可以实现：
接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组；
将所述结构化政务词组输入至命名实体识别模型，其中所述命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层；
利用所述词向量层将结构化政务词组转为结构化政务向量集，其中词向量层由Word2Vec组成；
利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集；
利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集，其中第二特征提取方法为：
利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵；
将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集；
利用所述命名识别预测层预测第二政务矩阵集中每个政务特征的命名实体，得到命名实体识别集；
对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，其中智能审核包括：
接收预收集的禁止发布文本集，其中禁止发布文本集中每个禁止发布文本均包括敏感实体；
依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重；
当存在权重大于或等于阈值权重时的命名实体时，表示审核未通过，在所述待发布政务文本中标记出权重大于阈值权重的命名实体，以提醒编辑员重新修改待发布政务文本；
直至不存在权重大于或等于阈值权重的命名实体时，表示审核通过，允许待发布政务文本或完成修改的待发布政务文本执行发布操作。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组；
将所述结构化政务词组输入至命名实体识别模型，其中所述命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层；
利用所述词向量层将结构化政务词组转为结构化政务向量集，其中词向量层由Word2Vec组成；
利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集；
利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集，其中第二特征提取方法为：
利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵；
将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集；
利用所述命名识别预测层预测第二政务矩阵集中每个政务特征的命名实体，得到命名实体识别集；
对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，其中智能审核包括：
接收预收集的禁止发布文本集，其中禁止发布文本集中每个禁止发布文本均包括敏感实体；
依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重；
当存在权重大于或等于阈值权重时的命名实体时，表示审核未通过，在所述待发布政务文本中标记出权重大于阈值权重的命名实体，以提醒编辑员重新修改待发布政务文本；
直至不存在权重大于或等于阈值权重的命名实体时，表示审核通过，允许待发布政务文本或完成修改的待发布政务文本执行发布操作。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种政务数据智能审核方法，其特征在于，所述方法包括：
接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组；
将所述结构化政务词组输入至命名实体识别模型，其中所述命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层；
利用所述词向量层将结构化政务词组转为结构化政务向量集，其中词向量层由Word2Vec组成；
利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集；
利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集，其中第二特征提取方法为：
利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵；
将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集；
利用所述命名识别预测层预测第二政务矩阵集中每个政务特征的命名实体，得到命名实体识别集；
对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，其中智能审核包括：
接收预收集的禁止发布文本集，其中禁止发布文本集中每个禁止发布文本均包括敏感实体；
依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重；
当存在权重大于或等于阈值权重时的命名实体时，表示审核未通过，在所述待发布政务文本中标记出权重大于阈值权重的命名实体，以提醒编辑员重新修改待发布政务文本；
直至不存在权重大于或等于阈值权重的命名实体时，表示审核通过，允许待发布政务文本或完成修改的待发布政务文本执行发布操作。
2.如权利要求1所述的政务数据智能审核方法，其特征在于，所述将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组，包括：
识别所述待发布政务文本的标点符号，并基于所述识别的标点符号切分待发布政务文本，得到待发布政务语句；
基于分词模型对所述待发布政务语句执行分词操作，得到待发布政务词语；
去除待发布政务词语中的停用词，得到所述结构化政务词组。
3.如权利要求1所述的政务数据智能审核方法，其特征在于，所述命名实体识别模型识别出的命名实体包括五大类，分别为：政府部门名称实体、公司名称实体、农植物名称实体、道路交通名称实体及产品名称实体。
4.如权利要求1所述的政务数据智能审核方法，其特征在于，所述利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集，包括：
按照结构化政务向量集中每个向量在待发布政务文本中的文本顺序，依次提取每个结构化政务向量，并执行下述操作：
Figure 485379DEST_PATH_IMAGE001
其中，
Figure 248936DEST_PATH_IMAGE002
表示
Figure 332168DEST_PATH_IMAGE003
时刻输入至第一特征提取层的结构化政务向量，
Figure 610702DEST_PATH_IMAGE004
为sigmod 激活函数，tanh为双曲正切激活函数，
Figure 306257DEST_PATH_IMAGE005
分别表示
Figure 924320DEST_PATH_IMAGE003
时刻的输入门、忘记门、输出门、记忆细胞的状态值，
Figure 915803DEST_PATH_IMAGE006
表示不同控制门对应的权重矩阵，
Figure 416055DEST_PATH_IMAGE007
表示不同控制门对应的偏置向量，
Figure 180879DEST_PATH_IMAGE008
表示执行第一特征提取所产生的中间状态值，
Figure 184607DEST_PATH_IMAGE009
表示点乘运算，
Figure 875221DEST_PATH_IMAGE010
表示与
Figure 66031DEST_PATH_IMAGE002
对应的第一政务矩阵；
汇集所生成的所有第一政务矩阵，得到所述第一政务矩阵集。
5.如权利要求1所述的政务数据智能审核方法，其特征在于，所述利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵，包括：
采用如下公式计算得到三组
Figure 352655DEST_PATH_IMAGE011
Figure 758360DEST_PATH_IMAGE012
Figure 308290DEST_PATH_IMAGE013
其中，
Figure 560630DEST_PATH_IMAGE014
表示第一政务矩阵集中第
Figure 854208DEST_PATH_IMAGE015
个第一政务矩阵，
Figure 848840DEST_PATH_IMAGE016
表示根据第
Figure 631988DEST_PATH_IMAGE015
个第一政务矩阵生成的问题矩阵，
Figure 843396DEST_PATH_IMAGE017
表示根据第
Figure 471823DEST_PATH_IMAGE015
个第一政务矩阵生成的搭配矩阵，
Figure 773492DEST_PATH_IMAGE018
表示根据第
Figure 9432DEST_PATH_IMAGE015
个第一政务矩阵生成的信息矩阵，问题矩阵、搭配矩阵及信息矩阵统称三组权重政务矩阵，
Figure 396551DEST_PATH_IMAGE019
分别为问题矩阵、搭配矩阵及信息矩阵的权重矩阵。
6.如权利要求5所述的政务数据智能审核方法，其特征在于，所述将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集，包括：
依次计算每个问题矩阵与其他所有的搭配矩阵的乘积，得到多组回答矩阵；
将多组回答矩阵与其他所有的信息矩阵执行相加，得到所述第二政务矩阵集。
7.如权利要求6所述的政务数据智能审核方法，其特征在于，所述依次计算每个问题矩阵与其他所有的搭配矩阵的乘积，得到多组回答矩阵，包括：
采用如下方法计算得到每组回答矩阵：
Figure 80867DEST_PATH_IMAGE020
其中，
Figure 299358DEST_PATH_IMAGE021
表示第
Figure 909462DEST_PATH_IMAGE015
个第一政务矩阵的问题矩阵与第
Figure 846194DEST_PATH_IMAGE022
个第一政务矩阵的搭配矩阵的回答矩阵，
Figure 268954DEST_PATH_IMAGE023
表示第
Figure 341953DEST_PATH_IMAGE022
个第一政务矩阵的搭配矩阵，
Figure 388537DEST_PATH_IMAGE024
为第
Figure 750248DEST_PATH_IMAGE015
个第一政务矩阵的问题矩阵的矩阵维度。
8.如权利要求7所述的政务数据智能审核方法，其特征在于，所述将多组回答矩阵与其他所有的信息矩阵执行相加，得到所述第二政务矩阵集，包括：
采用如下方法计算得到每个第二政务矩阵：
Figure 789748DEST_PATH_IMAGE025
其中，
Figure 229170DEST_PATH_IMAGE026
表示第二政务矩阵集中第
Figure 430344DEST_PATH_IMAGE015
个政务矩阵，
Figure 561243DEST_PATH_IMAGE027
为第一政务矩阵集的矩阵总数，
Figure 138855DEST_PATH_IMAGE028
为第
Figure 435713DEST_PATH_IMAGE022
个第一政务矩阵的信息矩阵；
汇总每个政务矩阵得到所述第二政务矩阵集。
9.如权利要求1所述的政务数据智能审核方法，其特征在于，所述依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重，包括：
每个命名实体在禁止发布文本集中的权重采用如下方法：
Figure 807788DEST_PATH_IMAGE029
其中，
Figure 629245DEST_PATH_IMAGE030
表示第
Figure 744968DEST_PATH_IMAGE015
个命名实体与禁止发布文本集中第
Figure 899262DEST_PATH_IMAGE022
个禁止发布文本的权重，
Figure 707818DEST_PATH_IMAGE031
表示第
Figure 78888DEST_PATH_IMAGE015
个命名实体在第
Figure 732723DEST_PATH_IMAGE022
个禁止发布文本的出现频率，
Figure 4173DEST_PATH_IMAGE032
表示禁止发布文本集的总文档数，
Figure 921314DEST_PATH_IMAGE033
表示禁止发布文本集中含有第
Figure 310838DEST_PATH_IMAGE015
个命名实体的文档数，
Figure 768364DEST_PATH_IMAGE003
表示禁止发布文本集中所包括的敏感实体总数。
10.一种政务数据智能审核装置，其特征在于，所述装置包括：
语句结构操作模块，用于接收编辑员编辑的待发布政务文本，将所述待发布政务文本按照语句结构执行拆分，得到结构化政务词组；
第一特征提取模块，用于将所述结构化政务词组输入至命名实体识别模型，其中所述命名实体识别模型包括词向量层、第一特征提取层、第二特征提取层及命名识别预测层，利用所述词向量层将结构化政务词组转为结构化政务向量集，其中词向量层由Word2Vec组成，利用所述第一特征提取层对结构化政务向量集执行第一特征提取，得到第一政务矩阵集；
第二特征提取模块，用于利用所述第二特征提取层对第一政务矩阵集执行第二特征提取，得到第二政务矩阵集，其中第二特征提取方法为：
利用第二特征提取层中预先内置的三组权重矩阵，依次与第一政务矩阵集中每个第一政务矩阵执行相乘，得到对应的三组权重政务矩阵；
将每个第一政务矩阵对应的三组权重政务矩阵执行自注意运算，得到第二政务矩阵集；
命名实体识别模块，用于利用所述命名识别预测层预测第二政务矩阵集中每个政务特征的命名实体，得到命名实体识别集；
智能审核模块，用于对所述命名实体识别集执行智能审核，得到是否允许发布的审核结果，其中智能审核包括：
接收预收集的禁止发布文本集，其中禁止发布文本集中每个禁止发布文本均包括敏感实体；
依次计算所述命名实体识别集中每个命名实体在禁止发布文本集中的权重；
当存在权重大于或等于阈值权重时的命名实体时，表示审核未通过，在所述待发布政务文本中标记出权重大于阈值权重的命名实体，以提醒编辑员重新修改待发布政务文本；
直至不存在权重大于或等于阈值权重的命名实体时，表示审核通过，允许待发布政务文本或完成修改的待发布政务文本执行发布操作。
CN202211185596.8A 2022-09-28 2022-09-28 政务数据智能审核方法及装置 Active CN115271686B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211185596.8A CN115271686B (zh) 2022-09-28 2022-09-28 政务数据智能审核方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211185596.8A CN115271686B (zh) 2022-09-28 2022-09-28 政务数据智能审核方法及装置

Publications (2)

Publication Number Publication Date
CN115271686A true CN115271686A (zh) 2022-11-01
CN115271686B CN115271686B (zh) 2023-04-07

Family

ID=83757051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211185596.8A Active CN115271686B (zh) 2022-09-28 2022-09-28 政务数据智能审核方法及装置

Country Status (1)

Country Link
CN (1) CN115271686B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019200699A1 (zh) * 2018-04-19 2019-10-24 平安科技（深圳）有限公司 政务系统发文方法、装置、计算机设备及存储介质
CN112287270A (zh) * 2020-09-28 2021-01-29 珠海大横琴科技发展有限公司 一种内容审核方法和装置
CN114580639A (zh) * 2022-02-23 2022-06-03 中南民族大学 一种基于政务三元组自动抽取对齐的知识图谱构建的方法
CN114926150A (zh) * 2022-06-18 2022-08-19 国网辽宁省电力有限公司电力科学研究院 一种变压器技术符合性评估数字化智能审核方法与装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019200699A1 (zh) * 2018-04-19 2019-10-24 平安科技（深圳）有限公司 政务系统发文方法、装置、计算机设备及存储介质
CN112287270A (zh) * 2020-09-28 2021-01-29 珠海大横琴科技发展有限公司 一种内容审核方法和装置
CN114580639A (zh) * 2022-02-23 2022-06-03 中南民族大学 一种基于政务三元组自动抽取对齐的知识图谱构建的方法
CN114926150A (zh) * 2022-06-18 2022-08-19 国网辽宁省电力有限公司电力科学研究院 一种变压器技术符合性评估数字化智能审核方法与装置

Also Published As

Publication number Publication date
CN115271686B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN112883190A (zh) 文本分类方法、装置、电子设备及存储介质
CN111639153A (zh) 基于法律知识图谱的查询方法、装置、电子设备及介质
CN112560453A (zh) 语音信息校验方法、装置、电子设备及介质
CN114461777B (zh) 智能问答方法、装置、设备及存储介质
CN112883730B (zh) 相似文本匹配方法、装置、电子设备及存储介质
CN112507663A (zh) 基于文本的判断题生成方法、装置、电子设备及存储介质
CN112988963A (zh) 基于多流程节点的用户意图预测方法、装置、设备及介质
CN112559687A (zh) 问题识别及查询方法、装置、电子设备及存储介质
CN113821622A (zh) 基于人工智能的答案检索方法、装置、电子设备及介质
CN113064994A (zh) 会议质量评估方法、装置、设备及存储介质
CN114492663A (zh) 事件智能分拨方法、装置、设备及存储介质
CN113628043B (zh) 基于数据分类的投诉有效性判断方法、装置、设备及介质
CN114969484A (zh) 业务数据搜索方法、装置、设备及存储介质
CN113344125B (zh) 长文本匹配识别方法、装置、电子设备及存储介质
CN114840684A (zh) 基于医疗实体的图谱构建方法、装置、设备及存储介质
CN114880449A (zh) 智能问答的答复生成方法、装置、电子设备及存储介质
CN114706961A (zh) 目标文本识别方法、装置及存储介质
CN113902404A (zh) 基于人工智能的员工晋升分析方法、装置、设备及介质
CN113627160A (zh) 文本纠错方法、装置、电子设备及存储介质
CN116521867A (zh) 文本聚类方法、装置、电子设备及存储介质
CN116737947A (zh) 实体关系图构建方法、装置、设备及存储介质
CN115271686B (zh) 政务数据智能审核方法及装置
CN115146064A (zh) 意图识别模型优化方法、装置、设备及存储介质
CN114722146A (zh) 基于人工智能的供应链资产校验方法、装置、设备及介质
CN113806540A (zh) 文本打标签方法、装置、电子设备及存储介质

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
CP03 Change of name, title or address

Address after: 705, Floor 7, Building 3, Yard 8, Automobile Museum West Road, Fengtai District, Beijing 100071

Patentee after: Beijing Changhe Digital Intelligence Technology Co.,Ltd.

Country or region after: China

Patentee after: Changhe Information Co.,Ltd.

Address before: 705, Floor 7, Building 3, Yard 8, Automobile Museum West Road, Fengtai District, Beijing 100071

Patentee before: Beijing Changhe Digital Intelligence Technology Co.,Ltd.

Country or region before: China

Patentee before: Shanxi Changhe Technology Co.,Ltd.

CP03 Change of name, title or address