[發明專利]一種數據檢測的方法、裝置、可讀存儲介質和電子設備

在審

• 申請號: 202011257227.6
• 申請日: 2020-11-11
• 公開（公告）號: CN112364661A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 王鵬;馬文康;李理;包英澤
• 申請（專利權）人: 北京大米科技有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/289;G06F16/332;G06F16/33;G06K9/62
• 代理公司: 北京睿派知識產權代理事務所(普通合伙) 11597
• 代理人: 劉鋒;楊春曉

1.一種數據檢測的方法，其特征在于，該方法包括：

獲取待質檢的文本信息；

對所述文本信息進行預設質檢項識別，確定識別結果；

根據所述識別結果對所述文本信息進行合規評價。

2.如權利要求1所述的方法，其特征在于，所述獲取待質檢的文本信息，具體包括：

將文本初始信息進行處理，確定待質檢的所述文本信息，其中，所述文本信息為離散的文本。

3.如權利要求1所述的方法，其特征在于，所述對所述文本信息進行預設質檢項識別，確定識別結果，具體包括：

將所述文本信息輸入到預先訓練的第一模型，進行預設質檢項識別，其中，所述第一模型用于判斷所述文本信息中是否包括質檢項語義信息；

確定所述識別結果為所述文本信息中包含所述質檢項語義信息。

4.如權利要求3所述的方法，其特征在于，所述根據所述識別結果對所述文本信息進行合規評價，具體包括：

將包含所述質檢項語義信息的所述文本信息所對應的的對話內容輸入到第二模型，其中，所述第二模型用于判斷所述文本信息中是否包括合規項語義信息；

響應于所述文本信息中包含至少一項合規項語義信息，將所述文本信息所對應的的對話內容確定為合規對話內容，其中，所述對話內容包括至少一個文本初始信息。

5.如權利要求4所述的方法，其特征在于，所述將包含所述質檢項語義信息的所述文本信息所對應的對話內容輸入到第二模型，具體包括：

確定所述對話內容中標注了客服信息的文本信息；

將所述標注了客服信息的所述文本信息輸入到所述第二模型。

6.如權利要求4所述的方法，其特征在于，該方法還包括：

響應于所述文本信息中未包含合規項語義信息，將所述文本信息所對應的的對話內容確定為違規對話內容。

7.如權利要求2所述的方法，其特征在于，所述將文本初始信息進行處理，確定待質檢的所述文本信息，具體包括：

將所述文本初始信息進行自然語言處理，確定離散的文本信息。

8.如權利要求3或4所述的方法，其特征在于，所述第一模型和所述第二模型為二分類模型。

9.如權利要求8所述的方法，其特征在于，所述分類模型包括Fasttext模型、或者Xgboost模型。

10.如權利要求3所述的方法，其特征在于，所述第一模型的構建過程包括：

獲取多個歷史文本初始信息；

將所述多個歷史文本初始信息分別進行自然語言處理，確定多個歷史文本信息，其中，所述歷史文本信息為離散的文本；

將所述多個歷史文本信息進行相似度計算，確定至少一個樣本文本信息；

響應于所述樣本文本信息中包含預先標注的質檢語義信息，將所述樣本文本確定為第一正樣本；或者，

響應于所述樣本文本信息中不包含預先標注的質檢語義信息，將所述樣本文本確定為第一負樣本；

根據所述第一正樣本和所述第一負樣本訓練所述第一模型。

11.如權利要求4所述的方法，其特征在于，所述第二模型的構建過程包括：

獲取多個歷史文本初始信息；

將所述多個歷史文本初始信息分別進行自然語言處理，確定多個歷史文本信息，其中，所述歷史文本信息為離散的文本；

將所述多個歷史文本信息進行相似度計算，確定至少一個樣本文本信息；

響應于所述樣本文本信息中包含預先標注的合規項語義信息，將所述樣本文本確定為第二正樣本；或者，

響應于所述樣本文本信息中不包含預先標注的合規項語義信息，將所述樣本文本確定為第二負樣本；

根據所述第二正樣本和所述第二負樣本訓練所述第二模型。