[發明專利]一種屬地網站醫藥內容監測方法

在審

• 申請號: 202010280422.4
• 申請日: 2020-04-10
• 公開（公告）號: CN111506791A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 鄭中華;黎偉;胡淦;宣然
• 申請（專利權）人: 安徽博約信息科技股份有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/182;G06F40/216;G06F40/289
• 代理公司: 合肥律眾知識產權代理有限公司 34147
• 代理人: 趙娟

本發明公開了一種屬地網站醫藥內容監測方法，通過網絡爬蟲獲取屬地網站各網頁中的文本內容，并對文本內容進行違規醫藥信息判別，違規醫藥信息判別是將從屬地網站各網頁中獲取的文本內容與醫藥信息語料庫中的數據進行比對統計，計算出該文本內容屬于違規醫藥信息的命中率，若超出設定閾值，則判定為違規醫藥信息。本發明通過醫藥信息語料庫對從屬地網站各網頁中獲取的文本內容進行比對統計分析，計算該文本內容屬于違規醫藥信息的命中率，相比停留于關鍵詞判斷的監測方法，違規醫藥信息命中準確率高，對于違規醫藥信息能夠做到快速識別。

技術領域

本發明涉及網站監測技術領域，尤其是一種屬地網站醫藥內容監測方法。

背景技術

隨著社會經濟和科學技術的飛速發展，醫藥行業的經營模式也發生著翻天覆地的變化。在互聯網時代，藥品生產、經營企業和第三方科技公司利用互聯網提供藥品信息服務，使得從互聯網上獲取醫藥信息的人越來越多。互聯網藥品市場給群眾帶來快捷便利的同時，也給監管部門帶來了挑戰。伴隨著互聯網的不斷發展，網站數量急劇增多，如此龐大的互聯網市場，導致網站信息安全管理面臨著嚴峻挑戰，一些違規醫藥信息以網站為載體進行傳播，傳播速度快，危害嚴重。由于互聯網市場具有隱蔽性強、宣傳成本低、主體追蹤難等特點，給不法分子在互聯網上宣傳假冒偽劣藥品和違禁藥品帶來可乘之機，也給合法經營的商家以及消費者帶來巨大損失。

目前，互聯網醫藥信息存在多種違規情況，具體包括以下幾點：1、醫藥產品信息未備案或與備案信息不符；2、醫藥產品信息缺失，即網上發布的醫藥產品信息缺少某些重要屬性，如藥品信息中的“生產企業”、“批準文號”等；3、銷售國家法律規定禁止銷售的醫藥產品，如毒品、麻醉藥等；4、銷售、宣傳假冒偽劣醫藥產品，如冒用知名產品名稱、冒用知名生產企業名稱；5、發布醫藥信息或醫藥服務的機構未得到國家醫藥信息發布許可。這些違規情況的出現，導致網站醫藥信息監測難度加大。為了追蹤互聯網醫藥產品交易市場中的違規信息，打擊互聯網醫藥產品交易市場中的違規行為，結合藥監局與公安部在公共信息網絡與互聯網安全保護方面的監管需求，需要對屬地網站中的醫藥內容進行監測。

目前，屬地網站醫藥內容監測大多采用傳統靜態認證和突擊式檢查的方式，存在以下缺陷：1、只是局部環節應用了網絡和信息技術的手段，大部分工作還是人工方式，無法全程、在線、實時、有效地監管互聯網醫藥產品交易市場的主要環節及相關行為；2、針對屬地網站的醫藥違規識別技術停留在頁面信息抽取及關鍵詞判斷上，違規醫藥信息的命中準確率不高，檢索結果冗余度較大，不能快速識別其是否為違規內容。

發明內容

本發明旨在提供一種屬地網站醫藥內容監測方法，解決現有技術中違規醫藥信息的命中準確率不高，檢索結果冗余度較大，不能快速識別其是否為違規內容的問題。

為解決上述技術問題，本發明公開的屬地網站醫藥內容監測方法通過網絡爬蟲獲取屬地網站各網頁中的文本內容，并對文本內容進行違規醫藥信息判別，區別之處在于，違規醫藥信息判別是將從屬地網站各網頁中獲取的文本內容與醫藥信息語料庫中的數據進行比對統計，計算出該文本內容屬于違規醫藥信息的命中率，若超出設定閾值，則判定為違規醫藥信息。

進一步的，語料庫分為正常醫藥信息庫和違規醫藥信息庫，違規醫藥信息判別時，讀取兩大醫藥信息庫中的文本內容并經過分詞處理，匯總詞匯及其出現頻次兩大特征屬性，兩大特征屬性以映射表形式進行存儲。

進一步的，文本內容屬于違規醫藥信息的命中率計算包括以下步驟：

1、將從屬地網站各網頁中獲取的文本內容進行分詞處理，并通過查詢映射表獲取每個分詞在正常醫藥信息庫和違規醫藥信息庫中出現的概率，分別記為P1(ti)、P2(ti)；

2、綜合文本內容中每個分詞在兩大醫藥信息庫中出現的頻率，計算每個分詞出現后屬于違規醫藥信息的概率，記為P(W|ti)；

3、利用貝葉斯公式計算該文本內容屬于違規醫藥信息的命中率