[發明專利]一種結合深度學習和關鍵詞因子的不良信息監測方法

在審

• 申請號: 202011514673.0
• 申請日: 2020-12-21
• 公開（公告）號: CN112507086A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 何秋蕓;高寧;舒玉鳳;柯細河
• 申請（專利權）人: 中電福富信息科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/953
• 代理公司: 福州君誠知識產權代理有限公司 35211
• 代理人: 彭東

1.一種結合深度學習和關鍵詞因子的不良信息監測方法，其特征在于：其包括以下步驟：

步驟1，對樣本數據進行不良信息的關鍵詞提取和特殊規則提取；

步驟2，根據關鍵詞的影響力為每個關鍵詞歸類并確定影響分值；

步驟3，對于監測常信息進行各類不良關鍵詞的影響分值的綜合分計算，

步驟4，分別判斷各類影響分值的綜合分是否超過設定閾值，并將不良信息歸入超過閾值的對應分類。

2.根據權利要求1所述的一種結合深度學習和關鍵詞因子的不良信息監測方法，步驟1中通過深度學習進行不良信息的強規則和弱規則的提取，以便根據訓練好的模型得到的規則集進行文本的不良信息檢測測試。

3.根據權利要求1所述的一種結合深度學習和關鍵詞因子的不良信息監測方法，步驟2中關鍵詞分等級的分值根據影響力由小到大分別為0.02、0.05、0.1、0.21和0.31。

4.根據權利要求1所述的一種結合深度學習和關鍵詞因子的不良信息監測方法，步驟3中信息分類包括賭博類、色情類和正常類，具體的歸類方法如下：

步驟3-1，判斷不良信息的賭博類分數是否大于賭博閾值；是則，將該不良信息歸入賭博類；否則，執行步驟3-2；

步驟3-2，判斷不良信息的色情類分數是否大于色情閾值；是則，將該不良信息歸入色情類；否則，執行步驟3-3；

步驟3-3，更新正常的置信率并將該不良信息歸入正常類。

5.根據權利要求4所述的一種結合深度學習和關鍵詞因子的不良信息監測方法，賭博閾值和色情閾值均為0.8。