[發(fā)明專利]敏感文本識(shí)別方法、裝置、介質(zhì)和計(jì)算機(jī)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201910656205.8
• 申請(qǐng)日: 2019-07-19
• 公開（公告）號(hào): CN110472234A
• 公開（公告）日: 2019-11-19
• 發(fā)明（設(shè)計(jì)）人: 陳爽;曾燕玲
• 申請(qǐng)（專利權(quán)）人: 平安科技(深圳)有限公司
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27;G06F17/22
• 代理公司: 11330 北京市立方律師事務(wù)所
• 代理人: 劉延喜<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入

1.一種敏感文本識(shí)別方法，其特征在于，包括：

判斷待識(shí)別文本中是否包含生僻字；

若包含生僻字，則查詢預(yù)設(shè)生僻字轉(zhuǎn)換表確定所述生僻字對(duì)應(yīng)的常用字；

將所述待識(shí)別文本中的生僻字替換為與其對(duì)應(yīng)的常用字，生成待識(shí)別的替換文本；

對(duì)所述替換文本進(jìn)行敏感文本識(shí)別處理，得到所述替換文本的識(shí)別處理結(jié)果；

根據(jù)所述識(shí)別處理結(jié)果判斷所述待識(shí)別文本是否為敏感文本。

2.如權(quán)利要求1所述的敏感文本識(shí)別方法，其特征在于，

所述判斷待識(shí)別文本中是否包含生僻字，包括；

檢測(cè)待識(shí)別文本中是否包含敏感詞匯；

若包含敏感詞匯，則確定所述待識(shí)別文本為敏感文本；

若不包含敏感詞匯，則判斷待識(shí)別文本中是否包含生僻字。

3.如權(quán)利要求1所述的敏感文本識(shí)別方法，其特征在于，

所述判斷待識(shí)別文本中是否包含生僻字，包括：

獲取待識(shí)別文本，確定所述待識(shí)別文本的詞性序列信息及其對(duì)應(yīng)的出現(xiàn)概率；

若所述出現(xiàn)概率低于預(yù)設(shè)閾值，則判斷所述待識(shí)別文本中是否包含生僻字。

4.如權(quán)利要求1所述的敏感文本識(shí)別方法，其特征在于，

所述對(duì)所述替換文本進(jìn)行敏感文本識(shí)別處理，得到所述替換文本的識(shí)別處理結(jié)果，包括：

查詢預(yù)設(shè)詞性數(shù)據(jù)庫確定所述替換文本對(duì)應(yīng)的詞性序列信息；

使用訓(xùn)練好的詞性序列處理模型對(duì)所述詞性序列信息進(jìn)行處理，得到所述詞性序列信息對(duì)應(yīng)的出現(xiàn)概率；

將所述出現(xiàn)概率作為所述替換文本的識(shí)別處理結(jié)果。

5.如權(quán)利要求4所述的敏感文本識(shí)別方法，其特征在于，

所述查詢預(yù)設(shè)詞性數(shù)據(jù)庫確定所述替換文本對(duì)應(yīng)的詞性序列信息，包括：

對(duì)所述替換文本進(jìn)行分詞處理，得到若干個(gè)詞匯；

查詢預(yù)設(shè)詞性數(shù)據(jù)庫確定所述若干個(gè)詞匯各自對(duì)應(yīng)的詞性信息；

按照所述若干個(gè)詞匯在所述替換文本中的位置信息，對(duì)所述若干個(gè)詞匯各自對(duì)應(yīng)的詞性信息進(jìn)行排列，得到所述替換文本對(duì)應(yīng)的詞性序列信息。

6.如權(quán)利要求4所述的敏感文本識(shí)別方法，其特征在于，

所述根據(jù)所述識(shí)別處理結(jié)果判斷所述待識(shí)別文本是否為敏感文本，包括：

若所述出現(xiàn)概率不低于預(yù)設(shè)概率閾值，則確定所述待識(shí)別文本不是敏感文本；

若所述出現(xiàn)概率低于預(yù)設(shè)概率閾值，則確定所述待識(shí)別文本是敏感文本。

7.如權(quán)利要求1所述的敏感文本識(shí)別方法，其特征在于，

所述查詢預(yù)設(shè)生僻字轉(zhuǎn)換表確定所述生僻字對(duì)應(yīng)的常用字，包括：

確定所述待識(shí)別文本對(duì)應(yīng)的業(yè)務(wù)場(chǎng)景標(biāo)識(shí)；

查詢與所述業(yè)務(wù)場(chǎng)景標(biāo)識(shí)對(duì)應(yīng)的預(yù)設(shè)生僻字轉(zhuǎn)換表，確定所述生僻字對(duì)應(yīng)的常用字。

8.一種敏感文本識(shí)別裝置，其特征在于，包括：

生僻字判斷模塊，用于判斷待識(shí)別文本中是否包含生僻字；

常用字查詢模塊，用于當(dāng)待識(shí)別文本中包含生僻字時(shí)，查詢預(yù)設(shè)生僻字轉(zhuǎn)換表確定所述生僻字對(duì)應(yīng)的常用字；

替換文本生成模塊，用于將所述待識(shí)別文本中的生僻字替換為與其對(duì)應(yīng)的常用字，生成待識(shí)別的替換文本；

識(shí)別處理模塊，用于對(duì)所述替換文本進(jìn)行敏感文本識(shí)別處理，得到所述替換文本的識(shí)別處理結(jié)果；

敏感文本判斷模塊，用于根據(jù)所述識(shí)別處理結(jié)果判斷所述待識(shí)別文本是否為敏感文本。

9.一種計(jì)算機(jī)可讀存儲(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1-7任一項(xiàng)所述的敏感文本識(shí)別方法。

10.一種計(jì)算機(jī)設(shè)備，其特征在于，所述計(jì)算機(jī)設(shè)備包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)裝置，用于存儲(chǔ)一個(gè)或多個(gè)程序；

當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的敏感文本識(shí)別方法。