WO2022222228A1 - 文本不良信息识别方法、装置、电子设备及存储介质 - Google Patents

文本不良信息识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
WO2022222228A1
WO2022222228A1 PCT/CN2021/097077 CN2021097077W WO2022222228A1 WO 2022222228 A1 WO2022222228 A1 WO 2022222228A1 CN 2021097077 W CN2021097077 W CN 2021097077W WO 2022222228 A1 WO2022222228 A1 WO 2022222228A1
Authority
WO
WIPO (PCT)
Prior art keywords
text
word vector
word
node
recognized
Prior art date
Application number
PCT/CN2021/097077
Other languages
English (en)
French (fr)
Inventor
颜泽龙
王健宗
于凤英
程宁
Original Assignee
平安科技（深圳）有限公司
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 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2022222228A1 publication Critical patent/WO2022222228A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—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
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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

Definitions

  • the present application relates to the technical field of natural language processing, and in particular, to a method, apparatus, electronic device, and computer-readable storage medium for identifying bad text information.
  • Recognition of bad text information is a technology to identify text information and prevent bad information such as "yellow anti" in articles published on the Internet.
  • a method for identifying bad text information provided by this application includes:
  • the to-be-recognized text is processed by the character vectorization method and the word segmentation method, respectively, to obtain a word vector set and a word vector set;
  • each word vector in the word vector set as a node uses the word vector in the word vector set as the edge of the connection between words and words, and connect all nodes and edges to the pre-built relay node, Get the text structure diagram;
  • the present application also provides a device for identifying bad text information, the device comprising:
  • a text preprocessing module configured to obtain the text to be recognized, and to process the text to be recognized through character vectorization and word segmentation, respectively, to obtain a set of word vectors and a set of word vectors;
  • the text structure graph building module is used to connect each word vector in the word vector set as a node, use the word vector in the word vector set as the edge of the connection between words and words, and connect all nodes and edges to On the pre-built relay node, the text structure diagram is obtained;
  • a text analysis module configured to analyze the text structure diagram by using a pre-trained text recognition model to obtain a score value of bad information in the text to be recognized;
  • a result judgment module configured to judge whether the score value is greater than a preset first threshold, and when the score value is greater than the first threshold, determine that there is bad information in the text to be recognized.
  • the present application also provides an electronic device, the electronic device comprising:
  • the memory stores computer program instructions executable by the at least one processor, the computer program instructions being executed by the at least one processor to enable the at least one processor to execute textual objection information as described below recognition methods:
  • the to-be-recognized text is processed by the character vectorization method and the word segmentation method, respectively, to obtain a word vector set and a word vector set;
  • each word vector in the word vector set as a node uses the word vector in the word vector set as the edge of the connection between words and words, and connect all nodes and edges to the pre-built relay node, Get the text structure diagram;
  • the present application also provides a computer-readable storage medium, including a storage data area and a storage program area, the storage data area stores created data, and the storage program area stores a computer program; wherein, the computer program is implemented as follows when executed by a processor The described method for identifying bad information in text:
  • the to-be-recognized text is processed by the character vectorization method and the word segmentation method, respectively, to obtain a word vector set and a word vector set;
  • each word vector in the word vector set as a node uses the word vector in the word vector set as the edge of the connection between words and words, and connect all nodes and edges to the pre-built relay node, Get the text structure diagram;
  • FIG. 1 is a schematic flowchart of a method for identifying bad text information provided by an embodiment of the present application
  • Fig. 2 is the detailed flow chart of a step in the text bad information identification method that Fig. 1 provides;
  • FIG. 3 is a schematic block diagram of a device for identifying bad text information provided by an embodiment of the present application.
  • FIG. 4 is a schematic diagram of the internal structure of an electronic device for implementing a method for identifying bad text information provided by an embodiment of the present application;
  • the embodiment of the present application provides a method for identifying bad text information.
  • the execution body of the method for identifying bad text information includes, but is not limited to, at least one of electronic devices, such as a server and a terminal, that can be configured to execute the method provided by the embodiments of the present application.
  • the method for identifying bad text information may be executed by software or hardware installed in a terminal device or a server device, and the software may be a blockchain platform.
  • the server includes but is not limited to: a single server, a server cluster, a cloud server or a cloud server cluster, and the like.
  • the method for identifying bad text information includes:
  • the text to be identified is the text that needs to be identified for bad information.
  • the text to be recognized is pre-constructed text that needs to be recognized as a document before a news release.
  • the text to be recognized may be acquired from a specified server (eg, a chat server), or may be acquired randomly from a website or an application program, or text information converted through speech recognition technology.
  • a specified server eg, a chat server
  • the text to be recognized may be acquired from a specified server (eg, a chat server), or may be acquired randomly from a website or an application program, or text information converted through speech recognition technology.
  • S2 Process the text to be recognized by character vectorization and word segmentation, respectively, to obtain a word vector set and a word vector set.
  • the text to be recognized is processed in a character vectorization method and a word segmentation method, respectively, to obtain a word vector set and a word vector set, including:
  • the to-be-recognized text is subjected to word segmentation processing using a pre-built word segmentation tool to obtain the word vector set.
  • the set of word vectors and the set of word vectors are obtained by processing the text to be recognized through the pre-built bert text analysis model and the jieba word segmentation tool.
  • the input text to be recognized is "Wuhan Yangtze River Bridge”.
  • the word vector set can be obtained as ["Wu”, “Han”, “City”, ..., “Bridge”], and then input the text "Wuhan Yangtze River Bridge” into the jieba word segmentation tool , the resulting set of word vectors is ["Wuhan”, “Wuhan City”, “Mayor”, “Yangtze River”...].
  • a node is constructed as a relay node, and each node is connected to the relay node to obtain a text structure diagram, so that any non-connected nodes are second-order nodes of each other.
  • the word vectors in the word vector set are connected as nodes, the word vectors in the word vector set are used as edges connecting words and words, and all nodes and edges are connected. are connected to pre-built relay nodes to obtain text structure diagrams, including:
  • a plurality of word vectors in the word vector set are set as nodes, and the initial value of the node is the word vector corresponding to the node;
  • the quantified value of each character or word is [C1: “Wu”, C2: “Han”, C3: “City”, ..., C7: “Bridge”], [E12: “Wuhan”, E13: “Wuhan City”, E34: “Mayor”, E45 “Yangtze River”...], calculate each word vector in the word vector set and the word vector that constitutes each word vector, and get [C1*(E12+E13) : "Wu”, C2*(E12+E13): “Han”, C3*(E13+E34): “City”, ...], and put [C1*(E12+E13), C2*(E12+E13) ), C3*(E13+E34),...] are assigned to each node to replace the original value in each node, for example, assign "C1*(E12+E13)" to "Wu”, assign "C2*(E12” +E13)" is assigned to "Han”.
  • edges are used to connect nodes corresponding to each edge to construct a graph.
  • the assignment of the node is the result obtained by the operation in the foregoing step S32, and the assignment of the edge is the corresponding word vector.
  • each word vector that does not form a word and each word vector are respectively connected to the relay node to obtain the text structure graph, then all edges and byte points are connected, so that each Each node is a secondary node of each other.
  • the text recognition model is a multi-head attention graph neural network model constructed based on the TransForm model framework, which can identify whether the text contains bad information, such as whether it contains "yellow anti" content.
  • the use of a pre-trained text recognition model to analyze the text structure diagram to obtain a score value of bad information in the to-be-recognized text includes:
  • the text recognition model performs a vector operation on the vectors of each node in the text structure diagram through a multi-head attention mechanism to obtain the relative relationship vector of each node and the relay node. Then, the relative relationship vector of each node is imported into the fully connected layer in the multi-head graph attention neural network for network activation, and a vector result of a preset dimension is generated, and then the vector result is processed by a logistic regression function to obtain 1 *2-dimensional vector, that is, the bad information type and normal category probability of each node.
  • the method before analyzing the text structure diagram by using the pre-trained text recognition model, the method further includes:
  • Step 1 obtain the text recognition model to be trained that comprises feature extraction network, multi-head attention map neural network;
  • the fully connected layer, the graph attention neural network, and the sample text structure diagram are sequentially connected on the TransForm model framework to obtain a text recognition model to be trained.
  • the graph attention neural network includes a graph update process based on lstm gating, and the nodes and the connections are updated through the following functions:
  • Three gated structures Represents the control of the global feature representation to the i-th character in the t-th iteration information flow, so as to adjust the weight of words and alleviate the problem of blurred boundaries on the sequence.
  • the multi-head attention graph network neural network can obtain the representation of each character in the text, that is, each node represents each character, and the value of each node is the final representation of each character.
  • Step II import the pre-built training sample set into the text recognition model to be trained, and utilize the feature extraction network to perform feature extraction on the training sample set to obtain a feature sequence set and a text label set;
  • Step III utilize described multi-head attention graph neural network to analyze described feature sequence set, obtain prediction result set;
  • Step IV according to the text label set, calculate the variance value of the prediction result set, when the variance value is greater than the preset second threshold, adjust the internal parameters of the text recognition model to be trained, and return to step The operation of II is until the variance value is smaller than the second threshold, and the pre-trained text recognition model is obtained.
  • the variance value of the prediction result set is calculated according to the text label set, and when the variance value is greater than a preset second threshold, the text recognition to be trained is adjusted.
  • Internal parameters of the model including:
  • the variance value is greater than the second threshold, it is determined that the variance value has not converged, and the variance value is used to adjust the regression function in the text recognition model to be trained.
  • the evaluation result when the evaluation result is less than the preset threshold, it indicates that the training of the text recognition model to be trained is completed, and a trained text recognition model, that is, a pre-trained text recognition model, is obtained.
  • S5. Determine whether the score value is greater than a preset first threshold, and when the score value is greater than the first threshold, determine that there is bad information in the text to be recognized.
  • the normalized value is smaller than the first threshold, it is determined that the probability of bad information in the text to be identified is small, and it is determined that there is no bad information in the text to be identified.
  • the text recognition model is used to score the article text, and by dividing the score value, it can be further judged whether there is bad information in the text to be published, and the accuracy of the detection result can be increased.
  • the score value is converted into a direct normalized value from 0 to 1 through a normalization algorithm, so that the recognition result of the text recognition model is clearer.
  • a word vector set and a word vector set are obtained, nodes and edges are constructed based on the word vector set and the word vector set, a text structure graph is obtained, and a relay node is constructed to connect the nodes and edges
  • the connection is made so that each non-adjacent node is the second-order node of each other, the composition is more flexible, and there is no need to use a huge and fixed-format text structure diagram, which reduces the amount of computation; in addition, the pre-trained text recognition model is used.
  • FIG. 3 it is a schematic diagram of a module of the apparatus for identifying bad text information of the present application.
  • the apparatus 100 for identifying bad text information described in this application can be installed in an electronic device.
  • the apparatus for identifying bad text information may include a text preprocessing module 101 , a text structure diagram building module 102 , a text analysis module 103 , and a result judgment module 104 .
  • the modules described in this application may also be referred to as units, which refer to a series of computer program segments that can be executed by the processor of an electronic device and can perform fixed functions, and are stored in the memory of the electronic device.
  • each module/unit is as follows:
  • the text preprocessing module 101 is configured to obtain the text to be recognized, and to process the text to be recognized through character vectorization and word segmentation, respectively, to obtain a set of word vectors and a set of word vectors.
  • the device item text preprocessing module 101 includes a text acquisition unit and a text processing unit.
  • the text acquisition unit is used for acquiring the text to be recognized.
  • the text to be identified is the text that needs to be identified for bad information.
  • the text to be recognized is pre-constructed text that needs to be recognized as a document before a news release.
  • the text to be recognized may be acquired from a specified server (eg, a chat server), or may be acquired randomly from a website or an application program, or text information converted through speech recognition technology.
  • a specified server eg, a chat server
  • the text to be recognized may be acquired from a specified server (eg, a chat server), or may be acquired randomly from a website or an application program, or text information converted through speech recognition technology.
  • the text processing unit is configured to process the text to be recognized through character vectorization and word segmentation, respectively, to obtain a word vector set and a word vector set.
  • the text to be recognized is processed in a character vectorization method and a word segmentation method, respectively, to obtain a word vector set and a word vector set, and the text processing unit is specifically used for:
  • the to-be-recognized text is subjected to word segmentation processing using a pre-built word segmentation tool to obtain the word vector set.
  • the set of word vectors and the set of word vectors are obtained by processing the text to be recognized through the pre-built bert text analysis model and the jieba word segmentation tool.
  • the input text to be recognized is "Wuhan Yangtze River Bridge”.
  • the word vector set can be obtained as ["Wu”, “Han”, “City”, ..., “Bridge”], and then input the text "Wuhan Yangtze River Bridge” into the jieba word segmentation tool , the resulting set of word vectors is ["Wuhan”, “Wuhan City”, “Mayor”, “Yangtze River”...].
  • the text structure diagram building module 102 is used to connect each word vector in the word vector set as a node, use the word vector in the word vector set as the edge of the connection between words and words, and connect all nodes and edges. All are connected to the pre-built relay nodes to get the text structure graph.
  • a node is constructed as a relay node, and each connected node is connected to the relay node, and the sample text structure diagram is obtained, so that any non-connected nodes are second-order nodes of each other.
  • the word vectors in the word vector set are connected as nodes, the word vectors in the word vector set are used as the edges connecting words and words, and all nodes and edges are connected. are connected to the pre-built relay nodes to obtain a text structure diagram, and the text structure diagram building module 102 is specifically used for:
  • a plurality of word vectors in the word vector set are set as nodes, and the initial value of the node is the word vector corresponding to the node;
  • Each word vector in the word vector set and the word vectors forming each word vector are operated, and the initial value in the node corresponding to each word vector is updated according to the operation result.
  • the quantified value of each word or word such as [C1: “Wu”, C2: “Han”, C3: “City”, ..., C7: “Bridge”]
  • [E12: “Wuhan” , E13: “Wuhan City”, E34: “Mayor”, E45 “Yangtze River”...] use the word vector set to perform vector operation on the word vector set, and obtain the operation result as [C1*(E12+E13 ): "Wu”, C2*(E12+E13): “Han”, C3*(E13+E34): “City”, ...]
  • put [C1*(E12+E13), C2*(E12+ E13), C3*(E13+E34), ...] are assigned to each node to replace the original value in each node.
  • the word vectors constituting each word vector in the word vector set are respectively connected, and the value of the edge connecting the word vectors is set as a word vector composed of the connected word vectors.
  • edges are used to connect nodes corresponding to each edge to construct a graph.
  • the assignment of the node is the result obtained by the operation in the aforementioned step 2, and the assignment of the edge is the corresponding word vector.
  • a relay node is constructed, and each of the edges and nodes without edge connections are respectively connected to the relay node to obtain a text structure graph.
  • each word vector that does not form a word and each word vector are respectively connected to the relay node to obtain the text structure graph, then all edges and byte points are connected, so that each Each node is a secondary node of each other.
  • the text analysis module 103 is configured to analyze the text structure diagram by using a pre-trained text recognition model, and obtain a score value of bad information in the to-be-recognized text.
  • the text recognition model is a multi-head attention graph neural network model constructed based on the TransForm model framework, which can identify whether the text contains bad information, such as whether it contains "yellow anti" content.
  • the use of a pre-trained text recognition model to analyze the text structure diagram to obtain a score value of bad information in the to-be-recognized text includes:
  • the text recognition model performs a vector operation on the vectors of each node in the text structure diagram through a multi-head attention mechanism to obtain the relative relationship vector of each node and the relay node. Then, the relative relationship vector of each node is imported into the fully connected layer in the multi-head graph attention neural network for network activation, and a vector result of a preset dimension is generated, and then the vector result is processed by a logistic regression function to obtain 1 *2-dimensional vector, that is, the bad information type and normal category probability of each node.
  • the text analysis module 103 can also be used for:
  • Obtain a text recognition model to be trained including a feature extraction network and a multi-head attention map neural network;
  • the fully connected layer, the graph attention neural network, and the sample text structure diagram are sequentially connected on the TransForm model framework to obtain a text recognition model to be trained.
  • the graph attention neural network includes a graph update process based on lstm gating, and the nodes and the connections are updated through the following functions:
  • three gated structures Represents the control of the global feature representation to the i-th character in the t-th iteration information flow, so as to adjust the weight of words and alleviate the problem of blurred boundaries on the sequence.
  • the graph network neural network can obtain the representation of each character in the text, that is, each node represents each word, and the value of each node is the final representation of each character.
  • the variance value of the prediction result set is calculated according to the text label set, and when the variance value is greater than a preset second threshold, the text recognition to be trained is adjusted.
  • Internal parameters of the model including:
  • the variance value is greater than the second threshold, it is determined that the variance value has not converged, and the variance value is used to adjust the regression function in the text recognition model to be trained.
  • the evaluation result when the evaluation result is less than the preset threshold, it indicates that the training of the text recognition model to be trained is completed, and a trained text recognition model, that is, a pre-trained text recognition model, is obtained.
  • the result judgment module 104 is configured to judge whether the score value is greater than a preset first threshold, and when the score value is greater than the first threshold, determine that there is bad information in the text to be recognized.
  • the result judgment module 104 is specifically used for:
  • the normalized value is smaller than the first threshold, it is determined that the probability of bad information in the text to be identified is small, and it is determined that there is no bad information in the text to be identified.
  • the text recognition model is used to score the article text, and by dividing the score value, it can be further judged whether there is bad information in the text to be published, and the accuracy of the detection result can be increased.
  • the score value is converted into a direct normalized value from 0 to 1 through a normalization algorithm, so that the recognition result of the text recognition model is clearer.
  • a word vector set and a word vector set are obtained, nodes and edges are constructed based on the word vector set and the word vector set, a text structure graph is obtained, and a relay node is constructed to connect the nodes and edges
  • the connection is made so that each non-adjacent node is the second-order node of each other, the composition is more flexible, and there is no need to use a huge and fixed-format text structure diagram, which reduces the amount of computation; in addition, the pre-trained text recognition model is used.
  • FIG. 4 it is a schematic structural diagram of an electronic device implementing the method for identifying bad text information in the present application.
  • the electronic device 1 may include a processor 10, a memory 11 and a bus, and may also include a computer program stored in the memory 11 and executable on the processor 10, such as a text bad information recognition program 12.
  • the memory 11 includes at least one type of readable storage medium, and the readable storage medium may be volatile or non-volatile.
  • the readable storage medium includes a flash memory, a mobile hard disk, a multimedia card, a card-type memory (eg, SD or DX memory, etc.), a magnetic memory, a magnetic disk, an optical disk, and the like.
  • the memory 11 may be an internal storage unit of the electronic device 1 in some embodiments, such as a mobile hard disk of the electronic device 1 . In other embodiments, the memory 11 may also be an external storage device of the electronic device 1, such as a pluggable mobile hard disk, a smart memory card (Smart Media Card, SMC), a secure digital (Secure Digital) equipped on the electronic device 1.
  • the memory 11 may also include both an internal storage unit of the electronic device 1 and an external storage device.
  • the memory 11 can not only be used to store application software installed in the electronic device 1 and various data, such as the code of the bad text information identification program 12, etc., but also can be used to temporarily store data that has been output or will be output.
  • the processor 10 may be composed of integrated circuits, for example, may be composed of a single packaged integrated circuit, or may be composed of multiple integrated circuits packaged with the same function or different functions, including one or more integrated circuits.
  • Central Processing Unit CPU
  • microprocessor digital processing chip
  • graphics processor and combination of various control chips, etc.
  • the processor 10 is the control core (Control Unit) of the electronic device, and uses various interfaces and lines to connect the various components of the entire electronic device, by running or executing the program or module (for example, executing the program) stored in the memory 11. Text bad information recognition program, etc.), and call the data stored in the memory 11 to execute various functions of the electronic device 1 and process data.
  • the bus may be a peripheral component interconnect (PCI for short) bus or an extended industry standard architecture (Extended industry standard architecture, EISA for short) bus or the like.
  • PCI peripheral component interconnect
  • EISA Extended industry standard architecture
  • the bus can be divided into address bus, data bus, control bus and so on.
  • the bus is configured to implement connection communication between the memory 11 and at least one processor 10 and the like.
  • FIG. 4 only shows an electronic device with components. Those skilled in the art can understand that the structure shown in FIG. 4 does not constitute a limitation on the electronic device 1, and may include fewer or more components than those shown in the drawings. components, or a combination of certain components, or a different arrangement of components.
  • the electronic device 1 may also include a power supply (such as a battery) for powering the various components, preferably, the power supply may be logically connected to the at least one processor 10 through a power management device, so that the power management
  • the device implements functions such as charge management, discharge management, and power consumption management.
  • the power source may also include one or more DC or AC power sources, recharging devices, power failure detection circuits, power converters or inverters, power status indicators, and any other components.
  • the electronic device 1 may further include various sensors, Bluetooth modules, Wi-Fi modules, etc., which will not be repeated here.
  • the electronic device 1 may also include a network interface, optionally, the network interface may include a wired interface and/or a wireless interface (such as a WI-FI interface, a Bluetooth interface, etc.), which is usually used in the electronic device 1 Establish a communication connection with other electronic devices.
  • a network interface optionally, the network interface may include a wired interface and/or a wireless interface (such as a WI-FI interface, a Bluetooth interface, etc.), which is usually used in the electronic device 1 Establish a communication connection with other electronic devices.
  • the electronic device 1 may further include a user interface, and the user interface may be a display (Display), an input unit (eg, a keyboard (Keyboard)), optionally, the user interface may also be a standard wired interface or a wireless interface.
  • the display may be an LED display, a liquid crystal display, a touch-sensitive liquid crystal display, an OLED (Organic Light-Emitting Diode, organic light-emitting diode) touch panel, and the like.
  • the display may also be appropriately called a display screen or a display unit, which is used for displaying information processed in the electronic device 1 and for displaying a visualized user interface.
  • the bad text information identification program 12 stored in the memory 11 in the electronic device 1 is a combination of a plurality of computer programs, and when running in the processor 10, can realize:
  • the to-be-recognized text is processed by the character vectorization method and the word segmentation method, respectively, to obtain a word vector set and a word vector set;
  • each word vector in the word vector set as a node uses the word vector in the word vector set as the edge of the connection between words and words, and connect all nodes and edges to the pre-built relay node, Get the text structure diagram;
  • the modules/units integrated in the electronic device 1 may be stored in a computer-readable storage medium.
  • the computer-readable storage medium may be volatile or non-volatile.
  • the computer-readable medium may include: any entity or device capable of carrying the computer program code, a recording medium, a USB flash drive, a removable hard disk, a magnetic disk, an optical disc, a computer memory, a read-only memory (ROM, Read-Only). Memory).
  • the computer usable storage medium may mainly include a stored program area and a stored data area, wherein the stored program area may store an operating system, an application program required for at least one function, and the like; using the created data, etc.
  • the present application also provides a computer-readable storage medium, where the readable storage medium stores a computer program, and when executed by a processor of an electronic device, the computer program can realize:
  • the text to be recognized is processed in a character vectorization mode and a word segmentation mode, respectively, to obtain a word vector set and a word vector set;
  • each word vector in the word vector set as a node uses the word vector in the word vector set as the edge of the connection between words and words, and connect all nodes and edges to the pre-built relay node, Get the text structure diagram;
  • modules described as separate components may or may not be physically separated, and components shown as modules may or may not be physical units, that is, may be located in one place, or may be distributed to multiple network units. Some or all of the modules may be selected according to actual needs to achieve the purpose of the solution in this embodiment.
  • each functional module in each embodiment of the present application may be integrated into one processing unit, or each unit may exist physically alone, or two or more units may be integrated into one unit.
  • the above-mentioned integrated units can be implemented in the form of hardware, or can be implemented in the form of hardware plus software function modules.
  • the blockchain referred to in this application is a new application mode of computer technology such as distributed data storage, point-to-point transmission, consensus mechanism, and encryption algorithm.
  • Blockchain essentially a decentralized database, is a series of data blocks associated with cryptographic methods. Each data block contains a batch of network transaction information to verify its Validity of information (anti-counterfeiting) and generation of the next block.
  • the blockchain can include the underlying platform of the blockchain, the platform product service layer, and the application service layer.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Character Discrimination (AREA)
  • Machine Translation (AREA)

Abstract

一种文本不良信息识别方法，属于自然语言处理的技术领域，该方法包括：通过字符向量化方式和分词方式分别对待识别文本进行处理，得到字向量集合与词向量集合（S2）；将字向量集合中各个字向量作为节点进行连接，将词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图（S3）；利用预训练的文本识别模型对文本结构图进行分析，得到待识别文本中存在不良信息的得分值（S4）；判断得分值是否大于预设的第一阈值，当得分值大于第一阈值时，确定待识别文本中存在不良信息（S5）。还提出了文本不良信息识别装置、设备及计算机可读存储介质。增加了文本分析的灵活度、减小了文本分析的计算量。

Description

文本不良信息识别方法、装置、电子设备及存储介质
本申请要求于2021年04月22日提交中国专利局、申请号为202110436894.9，发明名称为“文本不良信息识别方法、装置、电子设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及自然语言处理技术领域，尤其涉及一种文本不良信息识别方法、装置、电子设备及计算机可读存储介质。
背景技术
文本不良信息识别是一种对文本信息进行识别，防止发布到网络上的文章出现“黄反”等不良信息的技术。发明人意识到，由于中文等语言的词语边界较为模糊、话语灵活，不同情境下具有不同含义，因此文本不良信息识别通常需要预先构建一个庞大且固定格式的文本结构图，该文本结构图中有大量权重固定的边，利用大量权重固定的“边”连接各个节点，再通过分析文本结构图中是否有不良信息，但需要构建庞大且固定格式的文本结构图，且基于这种文本结构图的运算负责，因此这一计算过程计算量大、内存消耗大，且文本识别时的灵活性较低。
发明内容
本申请提供的一种文本不良信息识别方法，包括：
获取待识别文本；
通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
本申请还提供一种文本不良信息识别装置，所述装置包括：
文本预处理模块，用于获取待识别文本，及通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
文本结构图构建模块，用于将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
文本分析模块，用于利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
结果判断模块，用于判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
本申请还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如下所述的文本不良信息识别方法：
获取待识别文本；
通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
本申请还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如下所述的文本不良信息识别方法：
获取待识别文本；
通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
附图说明
图1为本申请一实施例提供的文本不良信息识别方法的流程示意图；
图2为图1提供的文本不良信息识别方法中一个步骤的详细流程图；
图3为本申请一实施例提供的文本不良信息识别装置的模块示意图；
图4为本申请一实施例提供的实现文本不良信息识别方法的电子设备的内部结构示意图；
本申请目的的实现、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申请，并不用于限定本申请。
本申请实施例提供一种文本不良信息识别方法。所述文本不良信息识别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，所述文本不良信息识别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，为本申请一实施例提供的文本不良信息识别方法的流程示意图。在本实施例中，所述文本不良信息识别方法包括：
S1、获取待识别文本。
本申请实施例中，所述待识别文本为需要进行不良信息识别的文本。
例如，待识别文本为新闻发布之前需要进行文件识别的预构建的文本。
具体的，待识别文本可以从指定服务器(例如聊天服务器)获取，也可以是随机从网站或应用程序中获取的，或者是通过语音识别技术转换得到的文本信息。
S2、通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合。
详细地，本申请实施例中，所述通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合，包括：
利用预构建的语言模型对所述待识别文本进行字符提取和向量化处理，得到所述字向量集合；
利用预构建的分词工具将所述待识别文本进行分词处理，得到所述词向量集合。
本申请实施例中，所述字向量集合及所述词向量集合为待识别文本经过预构建的bert文本分析模型及jieba分词工具的处理得到的。
例如，输入的待识别文本为“武汉市长江大桥”。通过所述bert文本分析模型，可以得到字向量集为【“武”，“汉”，“市”，……，“桥”】，再将文本“武汉市长江大桥”输入所述jieba分词工具，得到的词向量集合为【“武汉”，“武汉市”，“市长”，“长江”……】。
S3、将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图。
本申请实施例构建一节点作为中继节点，将各个节点均连接至所述中继节点，得到文本结构图，使得任意不相连的节点都是彼此的二阶节点。
详细地，本申请实施例中，所述将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图，包括：
S31、将所述字向量集合中多个字向量设置为节点，所述节点的初始值为所述节点对应的字向量；
S32、将所述词向量集合中各个词向量和组成各个词向量的字向量进行运算，通过运算结果更新各个字向量对应的节点中的初始值。
本申请实施例中，各个字或词的量化值为【C1：“武”，C2：“汉”，C3：“市”，……，C7：“桥”】，【E12：“武汉”，E13：“武汉市”，E34：“市长”，E45“长江”……】，将词向量集合中各个词向量和组成各个词向量的字向量进行运算，得到【C1＊(E12+E13)：“武”，C2＊(E12+E13)：“汉”，C3＊(E13+E34)：“市”，……】，并将【C1＊(E12+E13)，C2＊(E12+E13)，C3＊(E13+E34)，……】赋值至各个节点中替换原来各个节点中的初始值，例如将“C1＊(E12+E13)”赋值至“武”，将“C2＊(E12+E13)”赋值至“汉”。
S33、将所述字向量集合中组成各个词向量的字向量分别连接，将连接字向量的边的值设置为由相连接的字向量组成的词向量。
本申请实施例中，利用边将各个边对应的节点进行连接，构建一个图。其中，节点的赋值为前述步骤S32中运算得到的结果，边的赋值为对应的词向量。
S34、构建中继节点，将各个所述边及没有边连接的节点分别与所述中继节点进行连接，得到文本结构图。
本申请实施例中，将各个没有组成词的字向量及每个词向量分别连接至所述中继节点，得到所述文本结构图，则所有的边和字节点都相连接，从而使得每个节点都是彼此的二级节点。
S4、利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值。
本申请实施例中，所述文本识别模型是基于TransForm模型框架构建的多头注意力图 神经网络模型，可以鉴别文本中是否含有不良信息，例如是否含有“黄反”内容。
详细地，本申请实施例中，所述利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值，包括：
对所述文本结构图进行特征提取，得到每个边或节点的特征值；
对各个节点与连接各个所述节点的边的所述特征值进行加权运算，通过遍历所述文本结构图中每个节点，获取每个节点对于所述中继节点的相对关系向量；
利用所述文本识别模型中的激活函数对所述相对关系向量进行不良信息识别，得到所述待识别文本中有不良信息的得分值。
所述文本识别模型通过多头注意力机制对所述文本结构图中各个节点的向量进行向量运算，得到每个节点的与所述中继节点的相对关系向量。再将各个节点的所述相对关系向量导入包含多头图注意力神经网络中的全连接层进行网络激活，生成预设维数的向量结果，再将所述向量结果经过逻辑回归函数处理，得到1＊2维的向量，即各个节点的不良信息类型及正常类别概率。
详细地，本申请实施例中，所述利用预训练的文本识别模型对所述文本结构图进行分析之前，所述方法还包括：
步骤I、获取包含特征提取网络、多头注意力图神经网络的待训练文本识别模型；
本申请实施例中在TransForm模型框架上依次连接所述全连接层、所述图注意力神经网络、所述样本文本结构图，得到待训练文本识别模型。其中所述图注意力神经网络中包含基于lstm门控的图更新过程，通过下述函数对所述节点及所述连线进行更新：
Figure PCTCN2021097077-appb-000001
Figure PCTCN2021097077-appb-000002
Figure PCTCN2021097077-appb-000003
Figure PCTCN2021097077-appb-000004
Figure PCTCN2021097077-appb-000005
其中，
Figure PCTCN2021097077-appb-000006
表示预设窗口范围内邻接向量的拼接操作，例如，窗口大小预设为2。三个门控结构
Figure PCTCN2021097077-appb-000007
代表在第t轮迭代中控制全局特征向第i个字符表示
Figure PCTCN2021097077-appb-000008
的信息流动，从而调节词语的权值，缓解序列上边界模糊的问题。
Figure PCTCN2021097077-appb-000009
控制第i－1个字符在t－1轮迭代中的特征有多少被传入到第t轮迭代更新中的第i个字符中，
Figure PCTCN2021097077-appb-000010
控制第i个字符在t－1轮迭代中的特征有多少被传入到第t轮迭代更新中的第i个字符中，
Figure PCTCN2021097077-appb-000011
控制t－1轮迭代中聚合前后的第i－1个字符，第i个字符有多少被传入到第t轮迭代更新中的第i个字符中。
最终，所述多头注意力图网络神经网络可以得到文本中每个字符的表示，即每个节点表示每个字，每个节点的值就是最终每个字符的表示。
步骤II、将预构建的训练样本集导入所述待训练文本识别模型中，利用所述特征提取网络对所述训练样本集进行特征提取，得到特征序列集及文本标签集；
步骤III、利用所述多头注意力图神经网络分析所述特征序列集，得到预测结果集；
步骤IV、根据所述文本标签集，计算所述预测结果集的方差值，当所述方差值大于预设的第二阈值，调整所述待训练文本识别模型的内部参数，返回至步骤II的操作，直至所述方差值小于所述第二阈值，得到所述预训练的文本识别模型。
详细地，本申请实施例中，所述根据所述文本标签集，计算所述预测结果集的方差值，当所述方差值大于预设的第二阈值，调整所述待训练文本识别模型的内部参数，包括：
将所述文本标签集及所述预测结果集映射至同一二维平面，计算所述文本标签集与所述预测结果集之间的方差值；
当所述方差值大于所述第二阈值，判定所述方差值未收敛，利用所述方差值调整所述待训练文本识别模型中的回归函数。
本申请实施例中，当所述评估结果小于所述预设阈值时，表明所述待训练文本识别模型训练完成，得到训练好的文本识别模型，即预训练的文本识别模型。
S5、判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
详细地，本申请实施例中，所述判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息，包括：
对所述得分值进行归一化运算，得到归一值；
当所述归一值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
进一步的，当所述归一值小于所述第一阈值时，确定所述待识别文本中不良信息的概率较小，判定所述待识别文本中没有不良信息。
具体的，本申请实施例中，利用所述文本识别模型对所述文章文本进行打分，通过对得分值进行划分，可以进一步判断待发布文本中是否有不良信息，增加检测结果准确性。
本申请实施例中，通过归一化算法将得分值转变为0￣1直接的归一值，使得所述文本识别模型的识别结果更清晰。
本申请实施例通过对待识别文本进行预处理，获取字向量集合及词向量集合，基于所述字向量集合及词向量集合构建节点和边，得到文本结构图，并构建中继节点将节点与边进行连接，使得各个不相邻的节点都是彼此的二阶节点，构图更加灵活且无需使用庞大且固定格式的文本结构图，减少运算量；此外，利用预训练完成的文本识别模型，进一步对通过前述操作构建的文本结构图进行分析，从提高文本分析的效率，增加文本分析的灵活度和计算量。因此，本申请实施例可以增加文本分析的灵活度、减小文本分析的计算量。
如图3所示，是本申请文本不良信息识别装置的模块示意图。
本申请所述文本不良信息识别装置100可以安装于电子设备中。根据实现的功能，所述文本不良信息识别装置可以包括文本预处理模块模块101、文本结构图构建模块102、文本分析模块103、结果判断模块104。本申请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。
在本实施例中，关于各模块/单元的功能如下：
所述文本预处理模块模块101，用于获取待识别文本，及通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合。
本申请实施例中，所述装置项文本预处理模块模块101，包含文本获取单元及文本处理单元。
所述文本获取单元，用于获取待识别文本。
本申请实施例中，所述待识别文本为需要进行不良信息识别的文本。
例如，待识别文本为新闻发布之前需要进行文件识别的预构建的文本。
具体的，待识别文本可以从指定服务器(例如聊天服务器)获取，也可以是随机从网站或应用程序中获取的，或者是通过语音识别技术转换得到的文本信息。
所述文本处理单元，用于通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合。
详细地，本申请实施例中，所述通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合，所述所述文本处理单元具体用于：
利用预构建的语言模型对所述待识别文本进行字符提取和向量化处理，得到所述字向量集合；
利用预构建的分词工具将所述待识别文本进行分词处理，得到所述词向量集合。
本申请实施例中，所述字向量集合及所述词向量集合为待识别文本经过预构建的bert文本分析模型及jieba分词工具的处理得到的。
例如，输入的待识别文本为“武汉市长江大桥”。通过所述bert文本分析模型，可以得到字向量集为【“武”，“汉”，“市”，……，“桥”】，再将文本“武汉市长江大桥”输入所述jieba分词工具，得到的词向量集合为【“武汉”，“武汉市”，“市长”，“长江”……】。
所述文本结构图构建模块102，用于将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图。
本申请实施例构建一节点作为中继节点，连接各个节点均连接至所述中继节点，得到所述样本文本结构图，使得任意不相连的节点都是彼此的二阶节点。
详细地，本申请装置项中，所述将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图，所述文本结构图构建模块102具体用于：
将所述字向量集合中多个字向量设置为节点，所述节点的初始值为所述节点对应的字向量；
将所述词向量集合中各个词向量和组成各个词向量的字向量进行运算，通过运算结果更新各个字向量对应的节点中的初始值。
本申请实施例中，各个字或词的量化值，如【C1：“武”，C2：“汉”，C3：“市”，……，C7：“桥”】，【E12：“武汉”，E13：“武汉市”，E34：“市长”，E45“长江”……】，利用所述词向量集合对所述字向量集合进行向量运算，得到运算结果为【C1＊(E12+E13)：“武”，C2＊(E12+E13)：“汉”，C3＊(E13+E34)：“市”，……】，并将【C1＊(E12+E13)，C2＊(E12+E13)，C3＊(E13+E34)，……】赋值至各个节点中替换原来各个节点中的初始值。
将所述字向量集合中组成各个词向量的字向量分别连接，将连接字向量的边的值设置为由相连接的字向量组成的词向量。
本申请实施例中，利用边将各个边对应的节点进行连接，构建一个图。其中，节点的赋值为前述步骤2中运算得到的结果，边的赋值为对应的词向量。
构建中继节点，将各个所述边及没有边连接的节点分别与所述中继节点进行连接，得到文本结构图。
本申请实施例中，将各个没有组成词的字向量及每个词向量分别连接至所述中继节点，得到所述文本结构图，则所有的边和字节点都相连接，从而使得每个节点都是彼此的二级节点。
所述文本分析模块103，用于利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值。
本申请实施例中，所述文本识别模型是基于TransForm模型框架构建的多头注意力图神经网络模型，可以鉴别文本中是否含有不良信息，例如是否含有“黄反”内容。
详细地，本申请实施例中，所述利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值，包括：
对所述文本结构图进行特征提取，得到每个边或节点的特征值；
对各个节点与连接各个所述节点的边的所述特征值进行加权运算，通过遍历所述文本结构图中每个节点，获取每个节点对于所述中继节点的相对关系向量；
利用所述文本识别模型中的激活函数对所述相对关系向量进行不良信息识别，得到所述待识别文本中有不良信息的得分值。
所述文本识别模型通过多头注意力机制对所述文本结构图中各个节点的向量进行向量运算，得到每个节点的与所述中继节点的相对关系向量。再将各个节点的所述相对关系向量导入包含多头图注意力神经网络中的全连接层进行网络激活，生成预设维数的向量结果，再将所述向量结果经过逻辑回归函数处理，得到1＊2维的向量，即各个节点的不良信息类型及正常类别概率。
详细地，本申请实施例中，所述利用预训练的文本识别模型对所述文本结构图进行分析之前，所述文本分析模块103还能用于：
获取包含特征提取网络、多头注意力图神经网络的待训练文本识别模型；
本申请实施例中在TransForm模型框架上依次连接所述全连接层、所述图注意力神经网络、所述样本文本结构图，得到待训练文本识别模型。其中所述图注意力神经网络中包含基于lstm门控的图更新过程，通过下述函数对所述节点及所述连线进行更新：
Figure PCTCN2021097077-appb-000012
Figure PCTCN2021097077-appb-000013
Figure PCTCN2021097077-appb-000014
Figure PCTCN2021097077-appb-000015
Figure PCTCN2021097077-appb-000016
其中，
Figure PCTCN2021097077-appb-000017
表示预设窗口范围内邻接向量的拼接操作，例如，窗口大小预设为2。三个门控结构
Figure PCTCN2021097077-appb-000018
代表在第t轮迭代中控制全局特征向第i个字符表示
Figure PCTCN2021097077-appb-000019
的信息流动，从而调节词语的权值，缓解序列上边界模糊的问题。
Figure PCTCN2021097077-appb-000020
控制第i－1个字符在t－1轮迭代中的特征有多少被传入到第t轮迭代更新中的第i个字符中，
Figure PCTCN2021097077-appb-000021
控制第i个字符在t－1轮迭代中的特征有多少被传入到第t轮迭代更新中的第i个字符中，
Figure PCTCN2021097077-appb-000022
控制t－1轮迭代中聚合前后的第i－1个字符，第i个字符有多少被传入到第t轮迭代更新中的第i个字符中。
最终，所述图网络神经网络可以得到文本中每个字符的表示，即每个节点表示每个字，每个节点的值就是最终每个字符的表示。
将预构建的训练样本集导入所述待训练文本识别模型中，利用所述特征提取网络对所述训练样本集进行特征提取，得到特征序列集及文本标签集；
利用所述多头注意力图神经网络分析所述特征序列集，得到预测结果集；
根据所述文本标签集，计算所述预测结果集的方差值，当所述方差值大于预设的第二阈值，调整所述待训练文本识别模型的内部参数，返回至步骤II的操作，直至所述方差值小于所述第二阈值，得到所述预训练的文本识别模型。
详细地，本申请实施例中，所述根据所述文本标签集，计算所述预测结果集的方差值，当所述方差值大于预设的第二阈值，调整所述待训练文本识别模型的内部参数，包括：
将所述文本标签集及所述预测结果集映射至同一二维平面，计算所述文本标签集与所述预测结果集之间的方差值；
当所述方差值大于所述第二阈值，判定所述方差值未收敛，利用所述方差值调整所述待训练文本识别模型中的回归函数。
本申请实施例中，当所述评估结果小于所述预设阈值时，表明所述待训练文本识别模型训练完成，得到训练好的文本识别模型，即预训练的文本识别模型。
所述结果判断模块104，用于判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
详细地，本申请实施例中，所述判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息，所述结果判断模块104具体用于：
对所述得分值进行归一化运算，得到归一值；
当所述归一值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
进一步的，当所述归一值小于所述第一阈值时，确定所述待识别文本中不良信息的概率较小，判定所述待识别文本中没有不良信息。
具体的，本申请实施例中，利用所述文本识别模型对所述文章文本进行打分，通过对得分值进行划分，可以进一步判断待发布文本中是否有不良信息，增加检测结果准确性。
本申请实施例中，通过归一化算法将得分值转变为0￣1直接的归一值，使得所述文本识别模型的识别结果更清晰。
本申请实施例通过对待识别文本进行预处理，获取字向量集合及词向量集合，基于所述字向量集合及词向量集合构建节点和边，得到文本结构图，并构建中继节点将节点与边进行连接，使得各个不相邻的节点都是彼此的二阶节点，构图更加灵活且无需使用庞大且固定格式的文本结构图，减少运算量；此外，利用预训练完成的文本识别模型，进一步对通过前述操作构建的文本结构图进行分析，从提高文本分析的效率，增加文本分析的灵活度和计算量。因此，本申请实施例可以增加文本分析的灵活度、减小文本分析的计算量。
如图4所示，是本申请实现文本不良信息识别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，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，如文本不良信息识别程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质可以是易失性的，也可以是非易失性的。具体的，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(Secure Digital，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，例如文本不良信息识别程序12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(例如执行文本不良信息识别程序等)，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。该总线可以分为地址总线、数据总线、控制总线等。所述总线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4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4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存储的文本不良信息识别程序12是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取待识别文本；
通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
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取存储介质中。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)。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请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：
获取待识别文本；
通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与 词向量集合；
将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
在本申请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，在本申请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，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请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申请。
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，本申请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申请内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本申请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申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (20)

  1. 一种文本不良信息识别方法，其中，所述方法包括：
    获取待识别文本；
    通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
    将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
    利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
    判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
  2. 如权利要求1所述的文本不良信息识别方法，其中，所述将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图，包括：
    将所述字向量集合中多个字向量设置为节点，所述节点的初始值为所述节点对应的字向量；
    将所述词向量集合中各个词向量和组成各个词向量的字向量进行运算，通过运算结果更新各个字向量对应的节点中的初始值；
    将所述字向量集合中组成各个词向量的字向量分别连接，将连接字向量的边的值设置为由相连接的字向量组成的词向量；
    构建中继节点，将各个所述边及没有边连接的节点分别与所述中继节点进行连接，得到文本结构图。
  3. 如权利要求1所述的文本不良信息识别方法，其中，所述通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合，包括：
    利用预构建的语言模型对所述待识别文本进行字符提取和向量化处理，得到所述字向量集合；
    利用预构建的分词工具将所述待识别文本进行分词处理，得到所述词向量集合。
  4. 如权利要求1所述的文本不良信息识别方法，其中，所述利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值，包括：
    对所述文本结构图进行特征提取，得到每个边或节点的特征值；
    对各个节点与连接各个所述节点的边的所述特征值进行加权运算，通过遍历所述文本结构图中每个节点，获取每个节点对于所述中继节点的相对关系向量；
    利用所述文本识别模型中的激活函数对所述相对关系向量进行不良信息识别，得到所述待识别文本中有不良信息的得分值。
  5. 如权利要求1至4中任意一项的所述的文本不良信息识别方法，其中，所述判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值，确定所述待识别文本中存在不良信息，包括：
    对所述得分值进行归一化运算，得到归一值；
    当所述归一值大于所述第一阈值时，确定对所述待识别文本中存在不良信息。
  6. 如权利要求1至4中任一项所述的文本不良信息识别方法，其中，所述利用预训练的文本识别模型对所述文本结构图进行分析之前，所述方法还包括：
    步骤I、获取包含特征提取网络、多头注意力图神经网络的待训练文本识别模型；
    步骤II、将预构建的训练样本集导入所述待训练文本识别模型中，利用所述特征提取网络对所述训练样本集进行特征提取，得到特征序列集及文本标签集；
    步骤III、利用所述多头注意力图神经网络分析所述特征序列集，得到预测结果集；
    步骤IV、根据所述文本标签集，计算所述预测结果集的方差值，当所述方差值大于预设的第二阈值，调整所述待训练文本识别模型的内部参数，返回至步骤II的操作，直至所述方差值小于所述第二阈值，得到所述预训练的文本识别模型。
  7. 如权利要求6所述的文本不良信息识别方法，其中，所述根据所述文本标签集，计算所述预测结果集的方差值，当所述方差值大于预设的第二阈值，调整所述待训练文本识别模型的内部参数，包括：
    通过将所述文本标签集及所述预测结果集映射至同一二维平面，计算所述文本标签集与所述预测结果集之间的方差值；
    当所述方差值大于所述第二阈值，判定所述方差值未收敛，利用所述方差值调整所述待训练文本识别模型中的回归函数。
  8. 一种文本不良信息识别装置，其中，所述装置包括：
    文本预处理模块，用于获取待识别文本，及通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
    文本结构图构建模块，用于将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
    文本分析模块，用于利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
    结果判断模块，用于判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
  9. 一种电子设备，其中，所述电子设备包括：
    至少一个处理器；以及，
    与所述至少一个处理器通信连接的存储器；其中，
    所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如下所述的文本不良信息识别方法：
    获取待识别文本；
    通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
    将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
    利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
    判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
  10. 如权利要求9所述的电子设备，其中，所述将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图，包括：
    将所述字向量集合中多个字向量设置为节点，所述节点的初始值为所述节点对应的字向量；
    将所述词向量集合中各个词向量和组成各个词向量的字向量进行运算，通过运算结果更新各个字向量对应的节点中的初始值；
    将所述字向量集合中组成各个词向量的字向量分别连接，将连接字向量的边的值设置为由相连接的字向量组成的词向量；
    构建中继节点，将各个所述边及没有边连接的节点分别与所述中继节点进行连接，得到文本结构图。
  11. 如权利要求9所述的电子设备，其中，所述通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合，包括：
    利用预构建的语言模型对所述待识别文本进行字符提取和向量化处理，得到所述字向量集合；
    利用预构建的分词工具将所述待识别文本进行分词处理，得到所述词向量集合。
  12. 如权利要求9所述的电子设备，其中，所述利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值，包括：
    对所述文本结构图进行特征提取，得到每个边或节点的特征值；
    对各个节点与连接各个所述节点的边的所述特征值进行加权运算，通过遍历所述文本结构图中每个节点，获取每个节点对于所述中继节点的相对关系向量；
    利用所述文本识别模型中的激活函数对所述相对关系向量进行不良信息识别，得到所述待识别文本中有不良信息的得分值。
  13. 如权利要求9至12中任意一项的所述的电子设备，其中，所述判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值，确定所述待识别文本中存在不良信息，包括：
    对所述得分值进行归一化运算，得到归一值；
    当所述归一值大于所述第一阈值时，确定对所述待识别文本中存在不良信息。
  14. 如权利要求9至12中任一项所述的电子设备，其中，所述利用预训练的文本识别模型对所述文本结构图进行分析之前，所述方法还包括：
    步骤I、获取包含特征提取网络、多头注意力图神经网络的待训练文本识别模型；
    步骤II、将预构建的训练样本集导入所述待训练文本识别模型中，利用所述特征提取网络对所述训练样本集进行特征提取，得到特征序列集及文本标签集；
    步骤III、利用所述多头注意力图神经网络分析所述特征序列集，得到预测结果集；
    步骤IV、根据所述文本标签集，计算所述预测结果集的方差值，当所述方差值大于预设的第二阈值，调整所述待训练文本识别模型的内部参数，返回至步骤II的操作，直至所述方差值小于所述第二阈值，得到所述预训练的文本识别模型。
  15. 一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如下所述的文本不良信息识别方法：
    获取待识别文本；
    通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合；
    将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图；
    利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值；
    判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值时，确定所述待识别文本中存在不良信息。
  16. 如权利要求15所述的计算机可读存储介质，其中，所述将所述字向量集合中各个字向量作为节点进行连接，将所述词向量集合中词向量作为字与字的连接的边，将所有的节点与边都连接至预构建的中继节点上，得到文本结构图，包括：
    将所述字向量集合中多个字向量设置为节点，所述节点的初始值为所述节点对应的字向量；
    将所述词向量集合中各个词向量和组成各个词向量的字向量进行运算，通过运算结果更新各个字向量对应的节点中的初始值；
    将所述字向量集合中组成各个词向量的字向量分别连接，将连接字向量的边的值设置为由相连接的字向量组成的词向量；
    构建中继节点，将各个所述边及没有边连接的节点分别与所述中继节点进行连接，得到文本结构图。
  17. 如权利要求15所述的计算机可读存储介质，其中，所述通过字符向量化方式和分词方式分别对所述待识别文本进行处理，得到字向量集合与词向量集合，包括：
    利用预构建的语言模型对所述待识别文本进行字符提取和向量化处理，得到所述字向量集合；
    利用预构建的分词工具将所述待识别文本进行分词处理，得到所述词向量集合。
  18. 如权利要求15所述的计算机可读存储介质，其中，所述利用预训练的文本识别模型对所述文本结构图进行分析，得到所述待识别文本中存在不良信息的得分值，包括：
    对所述文本结构图进行特征提取，得到每个边或节点的特征值；
    对各个节点与连接各个所述节点的边的所述特征值进行加权运算，通过遍历所述文本结构图中每个节点，获取每个节点对于所述中继节点的相对关系向量；
    利用所述文本识别模型中的激活函数对所述相对关系向量进行不良信息识别，得到所述待识别文本中有不良信息的得分值。
  19. 如权利要求15至18中任意一项的所述的计算机可读存储介质，其中，所述判断所述得分值是否大于预设的第一阈值，当所述得分值大于所述第一阈值，确定所述待识别文本中存在不良信息，包括：
    对所述得分值进行归一化运算，得到归一值；
    当所述归一值大于所述第一阈值时，确定对所述待识别文本中存在不良信息。
  20. 如权利要求15至18中任一项所述的计算机可读存储介质，其中，所述利用预训练的文本识别模型对所述文本结构图进行分析之前，所述方法还包括：
    步骤I、获取包含特征提取网络、多头注意力图神经网络的待训练文本识别模型；
    步骤II、将预构建的训练样本集导入所述待训练文本识别模型中，利用所述特征提取网络对所述训练样本集进行特征提取，得到特征序列集及文本标签集；
    步骤III、利用所述多头注意力图神经网络分析所述特征序列集，得到预测结果集；
    步骤IV、根据所述文本标签集，计算所述预测结果集的方差值，当所述方差值大于预设的第二阈值，调整所述待训练文本识别模型的内部参数，返回至步骤II的操作，直至所述方差值小于所述第二阈值，得到所述预训练的文本识别模型。
PCT/CN2021/097077 2021-04-22 2021-05-30 文本不良信息识别方法、装置、电子设备及存储介质 WO2022222228A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110436894.9A CN113515591B (zh) 2021-04-22 2021-04-22 文本不良信息识别方法、装置、电子设备及存储介质
CN202110436894.9 2021-04-22

Publications (1)

Publication Number Publication Date
WO2022222228A1 true WO2022222228A1 (zh) 2022-10-27

Family

ID=78062739

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/097077 WO2022222228A1 (zh) 2021-04-22 2021-05-30 文本不良信息识别方法、装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN113515591B (zh)
WO (1) WO2022222228A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116939292A (zh) * 2023-09-15 2023-10-24 天津市北海通信技术有限公司 轨道交通环境下的视频文本内容监测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427610A (zh) * 2019-06-25 2019-11-08 平安科技（深圳）有限公司 文本分析方法、装置、计算机装置及计算机存储介质
CN111062199A (zh) * 2019-11-05 2020-04-24 北京中科微澜科技有限公司 一种不良信息识别方法及装置
CN111241820A (zh) * 2020-01-14 2020-06-05 平安科技（深圳）有限公司 不良用语识别方法、装置、电子装置及存储介质
CN112464655A (zh) * 2020-11-27 2021-03-09 绍兴达道生涯教育信息咨询有限公司 中文字符和拼音相结合的词向量表示方法、装置、介质
CN112597312A (zh) * 2020-12-28 2021-04-02 深圳壹账通智能科技有限公司 文本分类方法、装置、电子设备及可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10395654B2 (en) * 2017-05-11 2019-08-27 Apple Inc. Text normalization based on a data-driven learning network
US20210081717A1 (en) * 2018-05-18 2021-03-18 Benevolentai Technology Limited Graph neutral networks with attention
CN111435410B (zh) * 2019-01-14 2023-04-14 阿里巴巴集团控股有限公司 用于医疗文本的关系抽取方法及其装置
CN112231562B (zh) * 2020-10-15 2023-07-14 北京工商大学 一种网络谣言识别方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427610A (zh) * 2019-06-25 2019-11-08 平安科技（深圳）有限公司 文本分析方法、装置、计算机装置及计算机存储介质
CN111062199A (zh) * 2019-11-05 2020-04-24 北京中科微澜科技有限公司 一种不良信息识别方法及装置
CN111241820A (zh) * 2020-01-14 2020-06-05 平安科技（深圳）有限公司 不良用语识别方法、装置、电子装置及存储介质
CN112464655A (zh) * 2020-11-27 2021-03-09 绍兴达道生涯教育信息咨询有限公司 中文字符和拼音相结合的词向量表示方法、装置、介质
CN112597312A (zh) * 2020-12-28 2021-04-02 深圳壹账通智能科技有限公司 文本分类方法、装置、电子设备及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GUI TAO, ZOU YICHENG, ZHANG QI, PENG MINLONG, FU JINLAN, WEI ZHONGYU, HUANG XUANJING: "A Lexicon-Based Graph Neural Network for Chinese NER", PROCEEDINGS OF THE 2019 CONFERENCE ON EMPIRICAL METHODS IN NATURAL LANGUAGE PROCESSING AND THE 9TH INTERNATIONAL JOINT CONFERENCE ON NATURAL LANGUAGE PROCESSING (EMNLP-IJCNLP), ASSOCIATION FOR COMPUTATIONAL LINGUISTICS, STROUDSBURG, PA, USA, 7 November 2019 (2019-11-07), Stroudsburg, PA, USA, pages 1040 - 1050, XP055978836, DOI: 10.18653/v1/D19-1096 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116939292A (zh) * 2023-09-15 2023-10-24 天津市北海通信技术有限公司 轨道交通环境下的视频文本内容监测方法及系统
CN116939292B (zh) * 2023-09-15 2023-11-24 天津市北海通信技术有限公司 轨道交通环境下的视频文本内容监测方法及系统

Also Published As

Publication number Publication date
CN113515591B (zh) 2024-03-15
CN113515591A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
WO2022141861A1 (zh) 情感分类方法、装置、电子设备及存储介质
WO2022105179A1 (zh) 生物特征图像识别方法、装置、电子设备及可读存储介质
WO2022213465A1 (zh) 基于神经网络的图像识别方法、装置、电子设备及介质
WO2022116420A1 (zh) 语音事件检测方法、装置、电子设备及计算机存储介质
WO2022160449A1 (zh) 文本分类方法、装置、电子设备及存储介质
WO2022222300A1 (zh) 开放关系抽取方法、装置、电子设备及存储介质
WO2023029508A1 (zh) 基于用户画像的页面生成方法、装置、设备及介质
CN112988963B (zh) 基于多流程节点的用户意图预测方法、装置、设备及介质
JP7364709B2 (ja) 機械学習および自然言語処理を利用したワクチン接種データの抽出および確認
CN111566646A (zh) 用于对数据进行混淆和解码的电子装置以及用于控制该电子装置的方法
CN113704429A (zh) 基于半监督学习的意图识别方法、装置、设备及介质
WO2021151305A1 (zh) 基于缺失数据的样本分析方法、装置、电子设备及介质
WO2022222228A1 (zh) 文本不良信息识别方法、装置、电子设备及存储介质
CN113360654B (zh) 文本分类方法、装置、电子设备及可读存储介质
WO2021208700A1 (zh) 语音数据选择方法、装置、电子设备及存储介质
WO2023231753A1 (zh) 一种神经网络的训练方法、数据的处理方法以及设备
CN112131884A (zh) 用于实体分类的方法和装置、用于实体呈现的方法和装置
WO2023178979A1 (zh) 问题标注方法、装置、电子设备及存储介质
CN116739001A (zh) 基于对比学习的文本关系提取方法、装置、设备及介质
WO2023178798A1 (zh) 图像分类方法、装置、设备及介质
WO2022141867A1 (zh) 语音识别方法、装置、电子设备及可读存储介质
CN113591881B (zh) 基于模型融合的意图识别方法、装置、电子设备及介质
CN113419951B (zh) 人工智能模型优化方法、装置、电子设备及存储介质
CN114398877A (zh) 基于人工智能的主题提取方法、装置、电子设备及介质
CN113656586A (zh) 情感分类方法、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21937453

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21937453

Country of ref document: EP

Kind code of ref document: A1