[發明專利]風險文本的提取方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110236241.6
• 申請日: 2021-03-03
• 公開（公告）號: CN112861511A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 張超
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F40/205
• 分類號: G06F40/205;G06F16/35;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 李昂;張穎玲

本申請提供了一種風險文本的提取方法、裝置、電子設備、計算機可讀存儲介質及計算機程序產品；方法包括：通過風險分類模型的特征提取層，對包含多個文本片段的待處理文本進行特征提取，得到每一個所述文本片段對應的特征值；其中，所述風險分類模型，用于對待處理文本進行至少兩個風險類別的分類；通過所述風險分類模型的預測層，分別基于各所述文本片段對應的特征值，確定相應的所述文本片段與各所述風險類別的關聯度；從所述多個文本片段中，分別選取與各所述風險類別的關聯度滿足關聯度條件的文本片段，并將選取的文本片段作為從所述待處理文本中提取的風險文本。通過本申請，能夠提高風險文本提取的即時性。

技術領域

本申請涉及文本處理技術，尤其涉及一種風險文本的提取方法、裝置、電子設備及存儲介質。

背景技術

隨著信息技術的發展，各類信息越來越多地滲透進人們生活的方方面面，而如今人們在瀏覽信息時，常常會遇到存在負面影響的風險信息，例如欺詐信息，而這些信息往往難以被人們直接地人為識別，從而對人們造成一定的負面影響，如被欺詐后造成經濟損失等。因而，為了避免上述負面影響的發生，需要對提供給用戶瀏覽的文本信息進行風險信息提取。

相關技術中，為了提取出待處理文本中的風險文本，通常的做法是人為預先挖掘大量風險文本作為語料庫，然后將該語料庫與待處理文本進行硬匹配以進行風險文本的提取。然而在實際場景中，風險文本往往更新很快，那么就需要頻繁的人為更新風險文本語料庫，然后再基于此進行風險文本的提取，具有一定的滯后性。

發明內容

本申請實施例提供一種風險文本的提取方法、裝置、電子設備、計算機可讀存儲介質及計算機程序產品，能夠提高風險文本提取的即時性。

本申請實施例的技術方案是這樣實現的：

本申請實施例提供一種風險文本的提取方法，包括：

通過風險分類模型的特征提取層，對包含多個文本片段的待處理文本進行特征提取，得到每一個所述文本片段對應的特征值；

其中，所述風險分類模型，用于對待處理文本進行至少兩個風險類別的分類；

通過所述風險分類模型的預測層，分別基于各所述文本片段對應的特征值，確定相應的所述文本片段與各所述風險類別的關聯度；

從所述多個文本片段中，分別選取與各所述風險類別的關聯度滿足關聯度條件的文本片段，并將選取的文本片段作為從所述待處理文本中提取的風險文本。

本申請實施例提供一種風險文本的提取裝置，包括：

特征提取模塊，用于通過風險分類模型的特征提取層，對包含多個文本片段的待處理文本進行特征提取，得到每一個所述文本片段對應的特征值；

其中，所述風險分類模型，用于對待處理文本進行至少兩個風險類別的分類；

關聯度確定模塊，用于通過所述風險分類模型的預測層，分別基于各所述文本片段對應的特征值，確定相應的所述文本片段與各所述風險類別的關聯度；

文本片段提取模塊，用于從所述多個文本片段中，分別選取與各所述風險類別的關聯度滿足關聯度條件的文本片段，并將選取的文本片段作為從所述待處理文本中提取的風險文本。

上述方案中，所述特征提取層包括多個特征提取器，每個所述特征提取器對應一個所述文本片段；所述特征提取模塊，還用于分別基于各所述特征提取器執行以下處理：通過所述特征提取器，對包含多個文本片段的待處理文本進行特征提取，得到相應的文本片段的特征值。

上述方案中，所述特征提取模塊，還用于通過所述特征提取器，將所述待處理文本劃分為多個備選文本片段；分別對各所述備選文本片段進行特征提取，得到每一個所述備選文本片段對應的特征值；從所述多個備選文本片段中，選取特征值最大的備選文本片段，并將選取的備選文本片段的特征值作為與所述特征提取器對應的文本片段的特征值。