[發明專利]一種文本檢測的方法及裝置

在審

• 申請號: 202010654027.8
• 申請日: 2020-07-08
• 公開（公告）號: CN111930939A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 陳利琴;閆永澤;劉設偉
• 申請（專利權）人: 泰康保險集團股份有限公司;泰康在線財產保險股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種文本檢測的方法，其特征在于，包括：

獲取訓練樣本，所述訓練樣本包括第一訓練樣本和第二訓練樣本；

采用所述第一訓練樣本對預設第一初始模型進行訓練，生成第一層分類模型；

采用所述第二訓練樣本對預設第二初始模型進行訓練，生成第二層分類模型；

組合所述第一層分類模型和所述第二層分類模型得到文本檢測模型，以采用所述文本檢測模型檢測待檢測文本的合規性。

2.根據權利要求1所述的方法，其特征在于，所述預設第一初始模型包含BERT結構層，長短時記憶模型層，最大池化層，線性層和第一分類層，所述采用所述第一訓練樣本對預設第一初始模型進行訓練，生成第一層分類模型，包括：

采用所述第一訓練樣本訓練所述BERT結構層，長短時記憶模型層，最大池化層，線性層和第一分類層，生成第一層分類模型。

3.根據權利要求2所述的方法，其特征在于，所述第一分類層包含sigmoid激活函數，所述BERT結構層，長短時記憶模型層，最大池化層，線性層和第一分類層分別具有不同的學習率。

4.根據權利要求1所述的方法，其特征在于，所述預設第二初始模型包含BERT結構層，長短時記憶模型層，最大池化層，線性層和第二分類層，所述采用所述第二訓練樣本對預設第二初始模型進行訓練，生成第二層分類模型，包括：

采用所述第二訓練樣本訓練所述BERT結構層，長短時記憶模型層，最大池化層，線性層和第二分類層，生成第二層分類模型。

5.根據權利要求4所述的方法，其特征在于，所述第二分類層包含softmax激活函數，所述BERT結構層，長短時記憶模型層，最大池化層，線性層和第二分類層分別具有不同的學習率。

6.根據權利要求1所述的方法，其特征在于，所述的方法還包括：

對所述待檢測文本進行解析，得到目標檢測文本；

采用所述文本檢測模型的第一層分類模型檢測所述目標檢測文本是否合規；若所述目標檢測文本合規，則確定所述目標檢測文本為合規文本；若所述目標檢測文本不合規，則確定所述目標檢測文本為存疑文本；

采用所述文本檢測模型的第二層分類模型檢測所述存疑文本是否合規；若所述存疑文本合規，則確定所述存疑文本為合規文本；若所述存疑文本不合規，則確定所述存疑文本為不合規文本。

7.根據權利要求1所述的方法，其特征在于，所述訓練樣本通過如下方式生成：

獲取文本數據，并對所述文本數據進行分句處理，得到第一語料；

對所述第一語料進行預處理，得到第二語料；

對所述第二語料進行歸類，得到絕對合規語料，邊緣語料，新增語料和被刪除語料；所述邊緣語料包括修改前的語料和修改后的語料；

將所述絕對合規語料和所述新增語料確定為第一正樣本，將所述邊緣語料和所述被刪除語料確定為第一負樣本，將所述第一正樣本和第一負樣本標注為第一訓練樣本；

將所述修改后的語料確定為第二正樣本，將所述修改前的語料和被刪除語料確定為第二負樣本，將所述第二正樣本和第二負樣本標注為第二訓練樣本。

8.一種文本檢測的裝置，其特征在于，所述裝置包括：

訓練樣本獲取模塊，用于獲取訓練樣本，所述訓練樣本包括第一訓練樣本和第二訓練樣本；

第一訓練模塊，用于采用所述第一訓練樣本對預設第一初始模型進行訓練，生成第一層分類模型；

第二訓練模塊，用于采用所述第二訓練樣本對預設第二初始模型進行訓練，生成第二層分類模型；

模型組合模塊，用于組合所述第一層分類模型和所述第二層分類模型得到文本檢測模型，以采用所述文本檢測模型檢測待檢測文本的合規性。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；和

其上存儲有指令的一個或多個機器可讀介質，當由所述一個或多個處理器執行時，使得所述電子設備執行如權利要求1-7所述的一個或多個的方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有指令，當由一個或多個處理器執行時，使得所述處理器執行如權利要求1-7所述的一個或多個的方法的步驟。