[發明專利]一種輿情監測方法、裝置、設備及存儲介質

有效

• 申請號: 201711131841.6
• 申請日: 2017-11-15
• 公開（公告）號: CN107766577B
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 田植良;董大祥;于佃海
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種輿情監測方法，其特征在于，包括：

依據原始樣本和原始樣本的輿情監測結果對所述原始樣本進行脫敏處理，得到所述原始樣本的對抗樣本，且將所述原始樣本的輿情監測結果作為對應的對抗樣本的輿情監測結果；

依據所述對抗樣本以及所述對抗樣本的輿情監測結果進行深度神經網絡模型訓練得到輿情監測模型；

采用所述輿情監測模型進行輿情監測；

其中，依據原始樣本和原始樣本的輿情監測結果對所述原始樣本進行脫敏處理，得到所述原始樣本的對抗樣本，包括：

依據原始樣本和原始樣本的輿情監測結果對初始神經網絡模型進行訓練得到初步輿情監測模型，并記錄所述初步輿情監測模型的訓練過程中每一步的權重更新向量；

對記錄的各權重更新向量進行取反操作，得到所述各權重更新向量的反向權重更新向量；

以所述原始樣本為輸入，所述各反向權重更新向量作為權重更新量對所述初始神經網絡模型進行訓練得到對抗樣本生成模型；

將所述原始樣本作為所述對抗樣本生成模型的輸入，得到所述原始樣本對應的對抗樣本。

2.根據權利要求1所述的方法，其特征在于，依據對抗樣本以及對抗樣本的輿情監測結果進行深度神經網絡模型訓練得到輿情監測模型，包括：

依據所述對抗樣本以及所述對抗樣本的輿情監測結果對所述初步輿情監測模型進行訓練，得到新的輿情監測模型。

3.根據權利要求1所述的方法，其特征在于，對記錄的各權重更新向量進行取反操作，得到各權重更新向量的反向權重更新向量，包括：

將所述各權重更新向量的相反向量確定為所述各權重更新向量的反向權重更新向量。

4.一種輿情監測裝置，其特征在于，包括：

對抗樣本生成模塊，用于依據原始樣本和原始樣本的輿情監測結果對所述原始樣本進行脫敏處理，得到所述原始樣本的對抗樣本，且將所述原始樣本的輿情監測結果作為對應的對抗樣本的輿情監測結果；

輿情監測模型生成模塊，用于依據所述對抗樣本以及所述對抗樣本的輿情監測結果進行深度神經網絡模型訓練得到輿情監測模型；

輿情監測模塊，用于采用所述輿情監測模型進行輿情監測；

其中，所述對抗樣本生成模塊具體包括：

初步輿情監測模型生成單元，用于依據原始樣本和原始樣本的輿情監測結果對初始神經網絡模型進行訓練得到初步輿情監測模型，并記錄所述初步輿情監測模型的訓練過程中每一步的權重更新向量；

反向權重更新向量生成單元，用于對記錄的各權重更新向量進行取反操作，得到所述各權重更新向量的反向權重更新向量；

對抗樣本模型生成單元，用于以所述原始樣本為輸入，所述各反向權重更新向量作為權重更新量對所述初始神經網絡模型進行訓練得到對抗樣本生成模型；

對抗樣本生成單元，用于將所述原始樣本作為所述對抗樣本生成模型的輸入，得到所述原始樣本對應的對抗樣本。

5.根據權利要求4所述的裝置，其特征在于，所述輿情監測模型生成模塊具體用于：

依據所述對抗樣本以及所述對抗樣本的輿情監測結果對所述初步輿情監測模型進行訓練，得到新的輿情監測模型。

6.根據權利要求4所述的裝置，其特征在于，所述反向權重更新向量生成單元具體用于：

將所述各權重更新向量的相反向量確定為所述各權重更新向量的反向權重更新向量。

7.一種計算機設備，其特征在于，所述設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-3中任一所述的輿情監測方法。

8.一種存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-3中任一所述的輿情監測方法。