[發明專利]一種文本信息的處理方法及系統

在審

• 申請號: 201911345064.4
• 申請日: 2019-12-24
• 公開（公告）號: CN111309855A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 沙彩霞;張軍杰;馬廣騰;曹晶晶;陳晨;張潤;唐珩祥;余漢珍;徐國磊
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/284
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 古利蘭

1.一種文本信息的處理方法，其特征在于，所述方法包括：

對待審批文本進行分詞處理，獲取包含多個詞匯的詞匯集合；

提取所述詞匯集合中每個所述詞匯的特征，獲取詞匯特征集；

將所述詞匯特征集輸入預設的分類模型進行詞匯分類，確定所述待審批文本是否包含敏感詞，所述分類模型預先基于樣本數據訓練神經網絡模型得到，所述樣本數據包括篩選樣本詞匯集和敏感樣本詞匯集；

若所述待審批文本包含敏感詞，則輸出用于指示所述待審批文本未通過審批的文本信息；

若所述待審批文本不包含敏感詞，則輸出用于指示所述待審批文本通過審批的文本信息。

2.根據權利要求1所述的方法，其特征在于，訓練所述分類模型的過程，包括：

提取篩選樣本詞匯集中的每一篩選樣本詞匯的特征，獲取正向特征集；

提取敏感樣本詞匯集中的每一敏感樣本詞匯的特征，獲取反向特征集；

將所述正向特征集和所述反向特征集輸入預設的神經網絡模型，訓練所述神經網絡模型直至所述神經網絡模型收斂，得到所述分類模型。

3.根據權利要求1所述的方法，其特征在于，所述將所述詞匯特征集輸入預設的分類模型進行詞匯分類，確定所述待審批文本是否包含敏感詞，包括：

將所述詞匯特征集輸入預設的分類模型進行詞匯分類，確定每一所述詞匯的詞匯類別，所述詞匯類別指示詞匯是否為敏感詞；

基于每一所述詞匯的詞匯類別，確定所述待審批文本中敏感詞的數量；

若敏感詞的數量大于等于閾值，確定所述待審批文本包含敏感詞；

若所述敏感詞的數量小于所述閾值，確定所述待審批文本不包含敏感詞。

4.根據權利要求1所述的方法，其特征在于，所述對待審批文本進行分詞處理，獲取包含多個詞匯的詞匯集合，包括：

對待審批文本進行分詞，獲取多個第一詞匯；

針對每個第一詞匯，對所述第一詞匯進行詞性標注和權重設置，獲取第二詞匯；

確定包含所有所述第二詞匯的詞匯集合。

5.根據權利要求4所述的方法，其特征在于，所述提取所述詞匯集合中每個所述詞匯的特征，獲取詞匯特征集，包括：

對每一所述第二詞匯進行詞向量轉換，得到每一所述第二詞匯對應的詞向量；

將每一所述第二詞匯對應的詞向量進行降維處理，獲取每一所述第二詞匯的特征；

根據每一所述第二詞匯的特征，確定詞匯特征集。

6.一種文本信息的處理系統，其特征在于，所述系統包括：

分詞單元，用于對待審批文本進行分詞處理，獲取包含多個詞匯的詞匯集合；

提取單元，用于提取所述詞匯集合中每個所述詞匯的特征，獲取詞匯特征集；

分類單元，用于將所述詞匯特征集輸入預設的分類模型進行詞匯分類，確定所述待審批文本是否包含敏感詞，所述分類模型預先基于樣本數據訓練神經網絡模型得到，所述樣本數據包括篩選樣本詞匯集和敏感樣本詞匯集；

輸出單元，用于若所述待審批文本包含敏感詞，則輸出用于指示所述待審批文本未通過審批的文本信息，若所述待審批文本不包含敏感詞，則輸出用于指示所述待審批文本通過審批的文本信息。

7.根據權利要求6所述的系統，其特征在于，所述分類單元包括：

第一提取模塊，用于提取篩選樣本詞匯集中的每一篩選樣本詞匯的特征，獲取正向特征集；

第二提取模塊，用于提取敏感樣本詞匯集中的每一敏感樣本詞匯的特征，獲取反向特征集；

訓練模塊，用于將所述正向特征集和所述反向特征集輸入預設的神經網絡模型，訓練所述神經網絡模型直至所述神經網絡模型收斂，得到所述分類模型。