[發明專利]信息審核分類模型的構建方法和信息審核方法

在審

• 申請號: 202011521474.2
• 申請日: 2020-12-21
• 公開（公告）號: CN112613501A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 高文
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06F40/30;G06K9/46;G06K9/62;G06Q40/02;G06Q40/04;G06N3/02;G06N20/10;G06F17/18
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 劉雪帆

1.一種信息審核分類模型的構建方法，其特征在于，所述方法包括：

獲取樣本圖像，對所述樣本圖像進行光學字符識別，得到文本識別結果；

對所述文本識別結果進行語義分析，根據語義分析結果，提取所述文本識別結果中的目標文本；

基于與業務方對應的審核標簽生成規則，生成與所述目標文本對應的審核標簽，對所述目標文本進行審核標簽標注；

根據攜帶有審核標簽的目標文本，對初始分類模型進行訓練，得到信息審核分類模型。

2.根據權利要求1所述的方法，其特征在于，所述基于與業務方對應的審核標簽生成規則，生成與所述目標文本對應的審核標簽，對所述目標文本進行審核標簽標注包括：

獲取業務方對風險等級的評定配置參數；

根據所述評定配置參數，確定審核標簽生成規則；

根據所述審核標簽生成規則，遍歷所述目標文本，對所述目標文本中的信息進行分類統計；

根據所述分類統計結果和所述審核標簽生成規則，生成審核標簽；

根據所述目標文本生成特征向量，并對所述特征向量進行審核標簽標注。

3.根據權利要求2所述的方法，其特征在于，所述包含目標文本的圖像為征信報告；所述根據所述評定配置參數，確定審核標簽生成規則包括：

根據所述評定配置參數中的用戶類型，確定與所述用戶類型對應各風險等級的負面信用交易閾值參數；其中，所述用戶類型包括個人用戶和企業用戶；

根據所述負面信用交易閾值參數，配置與風險等級對應的標簽生成規則。

4.根據權利要求3所述的方法，其特征在于，所述根據所述負面信用交易閾值參數，配置與風險等級對應的標簽生成規則包括：

提取所述評定配置參數中對不同負面信用交易類型的權重參數；

根據所述權重參數和所述負面信用交易閾值參數中的閾值數據，配置與風險等級對應的標簽生成規則。

5.根據權利要求3所述的方法，其特征在于，所述根據所述負面信用交易閾值參數，配置與風險等級對應的標簽生成規則包括：

從所述負面信用交易閾值參數中提取各負面信用交易類型對應的數量閾值；

根據各負面信用交易類型對應的數量閾值，配置與風險等級對應的標簽生成規則。

6.一種信息審核方法，其特征在于，所述方法包括：

獲取待審核用戶的待審核圖像，對所述待審核圖像進行光學字符識別，得到初始識別文本；

對所述初始識別文本進行語義分析，根據語義分析結果，提取所述初始識別文本中的待分析文本；

將所述待分析文本輸入信息審核分類模型，得到信息審核結果，其中，所述信息審核分類模型基于權利要求1至5中任一項所述信息審核分類模型的構建方法構建得到。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

獲取與所述信息審核結果對應的實際審核結果；

當所述審核分類結果與所述實際審核結果的差異大于預設閾值時，將所述實際審核結果作為所述待審核圖像的標簽，添加至更新樣本集；

基于預設的模型迭代周期，根據所述更新樣本集，對所述信息審核分類模型進行迭代訓練，得到更新的信息審核分類模型。

8.一種信息審核分類模型的構建裝置，其特征在于，所述裝置包括：

文本識別模塊，用于獲取樣本圖像，對所述樣本圖像進行光學字符識別，得到文本識別結果；

語義分析模塊，用于對所述文本識別結果進行語義分析，根據語義分析結果，提取所述文本識別結果中的目標文本；

標簽生成模塊，用于基于與業務方對應的審核標簽生成規則，生成與所述目標文本對應的審核標簽，對所述目標文本進行審核標簽標注；

模型訓練模塊，用于根據攜帶有審核標簽的目標文本，對初始分類模型進行訓練，得到信息審核分類模型。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。

10.一種計算機存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。