[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

本發明提供一種文本信息的處理方法及系統，該方法為：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；提取詞匯集合中每個詞匯的特征，獲取詞匯特征集；將詞匯特征集輸入預設的分類模型進行詞匯分類，確定待審批文本是否包含敏感詞；若包含敏感詞，則輸出用于指示待審批文本未通過審批的文本信息；若不包含敏感詞，則輸出用于指示待審批文本通過審批的文本信息。本方案中，利用預先訓練好的分類模型對待審批文本進行詞匯分類，確定待審批文本中是否包含敏感詞。根據確定結果輸出用于指示審批文本是否通過審批的文本信息，不需要人工進行審批，節約人力和審批成本，提高審批速度和提高審批效率。

技術領域

本發明涉及數據處理技術領域，具體涉及一種文本信息的處理方法及系統。

背景技術

隨著互聯網的發展，各式各樣的團體內建設類應用出現在軟件應用市場。在關于團體內建設的應用上發布關于團體內建設的文章時，需要對文章進行審批，只有審批通過的文章才能被發布。

目前審批關于團體內建設的文章的方式是由審批人員進行人工審批，從而篩選出符合發布要求的文章。但是由于目前越來越多的人使用關于團體內建設的應用，這也表示有大量的關于團體內建設的文章需要被審核。使用人工審批方式，需要耗費大量的人力和時間，審批成本高，審批速度慢和審批效率低。

發明內容

有鑒于此，本發明實施例提供一種文本信息的處理方法及系統，以解決現有人工審批方式存在的審批成本高、審批速度慢和審批效率低等問題。

為實現上述目的，本發明實施例提供如下技術方案：

本發明實施例第一方面公開一種文本信息的處理方法，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。

優選的，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。

優選的，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。

優選的，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；