[發(fā)明專利]網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法、系統(tǒng)、存儲(chǔ)介質(zhì)和計(jì)算機(jī)

在審

• 申請?zhí)枺?/td>: 201811451898.9
• 申請日: 2018-11-30
• 公開（公告）號(hào): CN109739976A
• 公開（公告）日: 2019-05-10
• 發(fā)明（設(shè)計(jì)）人: 曹娟;郭俊波;謝添
• 申請（專利權(quán)）人: 中國科學(xué)院計(jì)算技術(shù)研究所
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06K9/62;G06F21/62;G06F17/27
• 代理公司: 北京律誠同業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11006
• 代理人: 祁建國;梁揮

1.一種網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法，其特征在于，包括：

步驟1、根據(jù)網(wǎng)絡(luò)社交平臺(tái)已發(fā)布的問題及相關(guān)答案之間的結(jié)構(gòu)特征，構(gòu)建由多組分析數(shù)據(jù)構(gòu)成的訓(xùn)練樣本集，該分析數(shù)據(jù)包括：問題信息、相關(guān)的答案列表信息以及對應(yīng)的隱私性標(biāo)簽；

步驟2、以該訓(xùn)練樣本集中的問題信息、相關(guān)的答案列表信息為輸入，以對應(yīng)的隱私性標(biāo)簽為輸出，訓(xùn)練深度學(xué)習(xí)模型得到基于該深度學(xué)習(xí)模型的隱私信息甄別模型；

步驟3、獲取該社交網(wǎng)絡(luò)平臺(tái)上發(fā)布的問題信息，作為待甄別信息，將該待甄別信息和與該待甄別信息相關(guān)的答案列表信息輸入到該隱私信息甄別模型，得到該待甄別信息的隱私性標(biāo)簽作為隱私甄別結(jié)果。

2.如權(quán)利要求1所述的網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法，其特征在于，該步驟1包括：

步驟11、獲取該網(wǎng)絡(luò)社交平臺(tái)多個(gè)話題下的問題信息以及相關(guān)的答案列表信息；

步驟12、對于所獲得的每一問題信息及相關(guān)的答案列表信息，根據(jù)相關(guān)用戶的匿名行為確定該問題對應(yīng)的隱私性標(biāo)簽，以構(gòu)建該訓(xùn)練樣本集。

3.如權(quán)利要求2所述的網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法，其特征在于，該匿名行為包括：問題是否匿名提出、問題答案匿名率、問題關(guān)注匿名率中的至少一項(xiàng)，該問題答案匿名率表示一個(gè)問題的匿名答案數(shù)與全部答案數(shù)之比，該問題關(guān)注匿名率表示一個(gè)問題的匿名關(guān)注者數(shù)與全部關(guān)注者數(shù)之比。

4.如權(quán)利要求1所述的網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法，其特征在于，該深度學(xué)習(xí)模型包括：答案子網(wǎng)絡(luò)、問題子網(wǎng)絡(luò)和分類器，該問題子網(wǎng)絡(luò)用于對該訓(xùn)練樣本集中的問題信息進(jìn)行特征學(xué)習(xí)，獲得問題信息的向量表示q，該答案子網(wǎng)絡(luò)用于對該訓(xùn)練樣本集中的答案列表信息進(jìn)行特征學(xué)習(xí)，獲得答案列表的向量表示a，該分類器用于對獲得的q和a進(jìn)行隱私信息分類。

5.如權(quán)利要求4所述的網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法，其特征在于，該步驟2中，對于該訓(xùn)練集中的每一條分析數(shù)據(jù)執(zhí)行以下子步驟：

步驟51：將該訓(xùn)練樣本集中的問題信息轉(zhuǎn)換為詞向量輸入到雙向長短時(shí)記憶網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí)，獲得問題信息中單詞w_t的向量表示其中，為前向的信息，為反向的信息，t為單詞編號(hào)；

步驟52：將向量h_t進(jìn)行平均，獲得該問題信息的向量表示q；

步驟53：將該問題信息相關(guān)的答案列表信息轉(zhuǎn)換為詞向量輸入到雙向長短時(shí)記憶網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí)，獲得該答案列表中每條答案的向量表示a_t；

步驟54：將每條答案的向量表示a_t輸入到雙向長短時(shí)記憶網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí)，獲得該答案列表的向量表示a。

6.如權(quán)利要求4所述的網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法，其特征在于，該分類器為softmax模型、SVM或樸素貝葉斯。

7.如權(quán)利要求1至6中任一項(xiàng)所述的網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法，其特征在于，該隱私性標(biāo)簽為屬于隱私信息或不屬于隱私信息。

8.一種基于深度學(xué)習(xí)的網(wǎng)絡(luò)社交平臺(tái)隱私甄別系統(tǒng)，其特征在于，包括：

訓(xùn)練樣本構(gòu)建模塊，用于根據(jù)網(wǎng)絡(luò)社交平臺(tái)已發(fā)布的問題及相關(guān)答案之間的結(jié)構(gòu)特征，構(gòu)建由多組分析數(shù)據(jù)構(gòu)成的訓(xùn)練樣本集，該分析數(shù)據(jù)包括：問題信息、相關(guān)的答案列表信息以及對應(yīng)的隱私性標(biāo)簽；

深度學(xué)習(xí)模塊，用于以該訓(xùn)練樣本集中的問題信息、相關(guān)的答案列表信息為輸入，以對應(yīng)的隱私性標(biāo)簽為輸出，訓(xùn)練深度學(xué)習(xí)模型得到基于該深度學(xué)習(xí)模型的隱私信息甄別模型；

隱私甄別模塊，用于獲取該社交網(wǎng)絡(luò)平臺(tái)上發(fā)布的問題信息，作為待甄別信息，將該待甄別信息和與該待甄別信息相關(guān)的答案列表信息輸入到該隱私信息甄別模型，得到該待甄別信息的隱私性標(biāo)簽作為隱私甄別結(jié)果。

9.一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法的步驟。

10.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，在該存儲(chǔ)器上存儲(chǔ)有能夠在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，該處理器執(zhí)行該程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述網(wǎng)絡(luò)社交平臺(tái)隱私甄別方法的步驟。