[發明專利]自動解析文本中隱私信息的方法和裝置

在審

• 申請號: 202110601345.2
• 申請日: 2021-05-31
• 公開（公告）號: CN113283232A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 鮑夢瑤;劉佳偉;章鵬;劉新源;張謙;賈茜
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06F40/205
• 分類號: G06F40/205;G06F40/211;G06F40/289;G06F21/62;G06N3/04;G06K9/62;G06N3/08
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 孫欣欣;周良玉

1.一種自動解析文本中隱私信息的方法，所述方法包括：

獲取待解析文本；

對所述待解析文本進行分詞處理，得到包含若干個詞語的詞序列；

對所述詞序列進行基于上下文的編碼，得到所述若干個詞語分別對應的詞向量；

根據所述詞向量，確定其對應的詞語分別屬于多個隱私信息類別的各概率；

將所述各概率中最大概率對應的隱私信息類別確定為相應詞語的歸屬類別；

根據詞語的歸屬類別和該詞語在所述詞序列中的位置，確定所述待解析文本的解析結果。

2.如權利要求1所述的方法，其中，所述對所述待解析文本進行分詞處理，包括：

將所述待解析文本拆分為多個語句；

將所述多個語句中的任一語句作為目標語句，將所述目標語句輸入遷移學習模型，通過所述遷移學習模型對所述目標語句進行分詞處理，得到包含若干個詞語的詞序列。

3.如權利要求1所述的方法，其中，所述對所述詞序列進行基于上下文的編碼，包括：

將所述詞序列輸入深度學習模型的編碼層，通過所述編碼層對所述詞序列進行基于上下文的編碼，得到所述若干個詞語分別對應的詞向量。

4.如權利要求3所述的方法，其中，所述根據所述詞向量，確定其對應的詞語分別屬于多個隱私信息類別的各概率，包括：

將所述詞向量輸入所述深度學習模型的分類層，通過所述分類層輸出其對應的詞語分別屬于多個隱私信息類別的各概率。

5.如權利要求1所述的方法，其中，所述根據詞語的歸屬類別和該詞語在所述詞序列中的位置，確定所述待解析文本的解析結果，包括：

根據詞語的歸屬類別和該詞語在所述詞序列中的位置，檢查所述待解析文本中相鄰位置的多個詞語是否為同一歸屬類別；

合并同一歸屬類別的相鄰位置的多個詞語，作為一個結果單元，將結果單元對應的歸屬類別和其在所述詞序列中的位置確定為所述待解析文本的解析結果。

6.如權利要求1所述的方法，其中，所述待解析文本為應用程序的隱私聲明文本；

所述多個隱私信息類別包括：不含隱私信息和隱私聲明合規信息的非隱私類別，以及對應于若干個預設種類的隱私聲明合規信息的若干個隱私類別。

7.如權利要求6所述的方法，其中，所述若干個預設種類的隱私聲明合規信息包括以下至少一種：

隱私信息存儲期限、隱私信息超期處理方式、隱私信息存放地域、申訴和反饋渠道、應用程序運營者基本情況、隱私信息保護負責人聯系方式。

8.如權利要求1所述的方法，其中，所述待解析文本為應用程序的隱私聲明文本；

所述確定所述待解析文本的解析結果之后，所述方法還包括：

獲取所述應用程序的代碼分析結果，所述代碼分析結果指示出所述應用程序實際采集的隱私信息類別構成的第一類別集合；

根據所述待解析文本的解析結果，確定所述隱私聲明文本聲明采集的隱私信息類別構成的第二類別集合；

當所述第一類別集合與所述第二類別集合一致，且包括的隱私信息類別均屬于法律法規中允許所述應用程序采集的隱私信息類別時，確定所述應用程序合規。

9.一種自動解析文本中隱私信息的裝置，所述裝置包括：

獲取單元，用于獲取待解析文本；

分詞單元，用于對所述獲取單元獲取的待解析文本進行分詞處理，得到包含若干個詞語的詞序列；

編碼單元，用于對所述分詞單元得到的詞序列進行基于上下文的編碼，得到所述若干個詞語分別對應的詞向量；

概率確定單元，用于根據所述編碼單元得到的詞向量，確定其對應的詞語分別屬于多個隱私信息類別的各概率；

類別確定單元，用于將所述概率確定單元得到的各概率中最大概率對應的隱私信息類別確定為相應詞語的歸屬類別；

結果確定單元，用于根據所述類別確定單元得到的詞語的歸屬類別和該詞語在所述詞序列中的位置，確定所述待解析文本的解析結果。