[發(fā)明專利]配方文件識別方法及裝置、電子設(shè)備、存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811369327.0
• 申請日: 2018-11-16
• 公開（公告）號: CN111199170B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計）人: 陳予郎
• 申請（專利權(quán)）人: 長鑫存儲技術(shù)有限公司
• 主分類號: G06V30/418
• 分類號: G06V30/418;G06V30/41;G06V30/10;G06N3/08
• 代理公司: 北京律智知識產(chǎn)權(quán)代理有限公司 11438
• 代理人: 袁禮君;闞梓瑄

本公開提供了一種配方文件識別方法及裝置、電子設(shè)備、計算機可讀存儲介質(zhì)，屬于人工智能技術(shù)領(lǐng)域。該方法包括：獲取待識別文件；從所述待識別文件中提取出配方關(guān)鍵詞，所述配方關(guān)鍵詞為所述待識別文件中與數(shù)值成組出現(xiàn)的詞；根據(jù)所述待識別文件的配方關(guān)鍵詞得到所述待識別文件的特征張量；利用配方文件識別模型對所述特征張量進行處理，得到所述待識別文件是否為配方文件的識別結(jié)果。本公開可以較為充分的提取出文件中的特征信息，提高識別文件是否為配方文件的結(jié)果的準(zhǔn)確度，并減少需要處理的關(guān)鍵詞數(shù)量，提高識別效率。

技術(shù)領(lǐng)域

本公開涉及人工智能技術(shù)領(lǐng)域，特別涉及一種配方文件識別方法、配方文件識別裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

在很多企業(yè)中，配方（Recipe）文件都具有很高的機密性，例如半導(dǎo)體晶圓廠的工藝配方文件、制藥公司的合成配方文件、食品廠的食材配方文件等，一旦發(fā)生外泄，將造成企業(yè)的重大損失。為了防止該情況的發(fā)生，需要將配方文件從種類繁多的企業(yè)內(nèi)部文件中識別出來，以進行嚴格的區(qū)分性管理。

現(xiàn)有的配方文件識別方法較多的依賴于關(guān)鍵詞匹配，基于事先配置的關(guān)鍵詞庫，對文件的文件名或內(nèi)容關(guān)鍵詞進行查找匹配，根據(jù)匹配的結(jié)果判斷文件是否為配方文件。然而，配方文件的關(guān)鍵詞與企業(yè)內(nèi)部其他文件的關(guān)鍵詞之間難免有一定的重合，通過上述方法難以精準(zhǔn)的區(qū)分出兩類文件，導(dǎo)致配方文件識別的準(zhǔn)確率較低、誤判率較高，且對于人為惡意篡改、隱藏文件名或文件內(nèi)容的情況，上述方法也無法有效地識別出，從而給企業(yè)的信息安全管理帶來風(fēng)險。

需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本公開提供了一種配方文件識別方法、配方文件識別裝置、電子設(shè)備及計算機可讀存儲介質(zhì)，進而至少在一定程度上克服現(xiàn)有的配方文件識別方法準(zhǔn)確率較低且識別范圍較小的問題。

本公開的其他特性和優(yōu)點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習(xí)得。

根據(jù)本公開的一個方面，提供一種配方文件識別方法，包括：獲取待識別文件；從所述待識別文件中提取出配方關(guān)鍵詞，所述配方關(guān)鍵詞為所述待識別文件中與數(shù)值成組出現(xiàn)的詞；根據(jù)所述待識別文件的配方關(guān)鍵詞得到所述待識別文件的特征張量；利用配方文件識別模型對所述特征張量進行處理，得到所述待識別文件是否為配方文件的識別結(jié)果。

在本公開的一種示例性實施例中，所述方法還包括：獲取多個樣本文件與所述樣本文件的文件類型，所述文件類型包括配方文件與非配方文件；根據(jù)所述樣本文件的配方關(guān)鍵詞得到所述樣本文件的樣本特征張量；利用所述樣本特征張量與所述文件類型訓(xùn)練機器學(xué)習(xí)模型，得到所述配方文件識別模型。

在本公開的一種示例性實施例中，在獲取多個樣本文件后，所述方法還包括：對所述樣本文件的文本進行分詞，根據(jù)分詞的結(jié)果構(gòu)建樣本詞庫；將所述樣本文件的文本中的詞組添加到所述樣本詞庫中，得到完整的所述樣本詞庫；所述從所述待識別文件中提取出配方關(guān)鍵詞包括：從所述待識別文件中提取出與數(shù)值相鄰的詞或詞組，將所述詞或詞組與所述樣本詞庫進行匹配，并將匹配成功的詞或詞組確定為所述待識別文件的配方關(guān)鍵詞。

在本公開的一種示例性實施例中，在得到完整的所述樣本詞庫后，所述方法還包括：通過所述樣本詞庫提取所述樣本文件的配方關(guān)鍵詞，得到配方詞庫；對所述配方詞庫中的配方關(guān)鍵詞進行獨熱（one-hot）編碼，得到所述配方關(guān)鍵詞的獨熱向量；所述根據(jù)所述待識別文件的配方關(guān)鍵詞得到所述待識別文件的特征張量包括：根據(jù)所述待識別文件的配方關(guān)鍵詞的獨熱向量，得到所述待識別文件的特征張量。

在本公開的一種示例性實施例中，所述根據(jù)所述待識別文件的配方關(guān)鍵詞的獨熱向量，得到所述待識別文件的特征張量包括：將所述待識別文件的全部配方關(guān)鍵詞的獨熱向量相加，得到所述待識別文件的特征張量。