[發(fā)明專利]隱私政策中隱私信息提取方法、系統(tǒng)、終端及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110609050.X
• 申請日: 2021-06-01
• 公開（公告）號(hào): CN113282955B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 朱浩瑾;魏程涌瀟;陳哲軒;周路
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06F21/62
• 分類號(hào): G06F21/62;G06F16/33;G06F16/35;G06F16/951;G06F40/211;G06F40/242;G06F40/247;G06F40/295
• 代理公司: 上海恒慧知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 31317
• 代理人: 張寧展

本發(fā)明提供了一種隱私政策中隱私信息提取方法及系統(tǒng)，基于自然語言處理，首先將原始的隱私政策處理成文本，繼而對(duì)隱私文本進(jìn)行分段分句，并且使用預(yù)訓(xùn)練得到的自然語言處理模型對(duì)句子進(jìn)行詞性標(biāo)注與命名實(shí)體識(shí)別得到數(shù)據(jù)對(duì)象，最后利用同義詞詞典與模糊匹配得到歸一化的數(shù)據(jù)對(duì)象，再將數(shù)據(jù)對(duì)象映射到對(duì)應(yīng)的隱私信息分類中，得到隱私政策收集的隱私信息的類別，以便于用戶、應(yīng)用市場平臺(tái)或監(jiān)管機(jī)構(gòu)了解應(yīng)用的隱私政策的隱私信息收集情況，幫助他們進(jìn)行下一步的決策。同時(shí)提供了一種相應(yīng)的終端及介質(zhì)。本發(fā)明利用自然語言處理技術(shù)對(duì)隱私政策中的隱私信息進(jìn)行提取，不需人工進(jìn)行標(biāo)注，能夠?qū)崿F(xiàn)更加高效、快速、靈活的隱私分析，滿足相關(guān)行業(yè)的需求。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理技術(shù)領(lǐng)域，具體地，涉及一種基于自然語言處理的隱私政策中隱私信息提取方法、系統(tǒng)、終端及介質(zhì)。

背景技術(shù)

隨著時(shí)代的發(fā)展，移動(dòng)互聯(lián)網(wǎng)應(yīng)用已經(jīng)滲透到人們?nèi)粘Ｉ钪械姆椒矫婷妗Ｈ欢苿?dòng)互聯(lián)網(wǎng)應(yīng)用在給人們提供方便的同時(shí)，也收集了大量用戶的隱私信息。為了規(guī)范應(yīng)用的隱私信息收集，國內(nèi)外都紛紛出臺(tái)了相關(guān)的法規(guī)及政策，要求應(yīng)用必須提供明晰的隱私政策，在用戶使用應(yīng)用之前告知用戶哪些隱私信息將被收集。因此，一份隱私政策往往具有與法律條文類似的專業(yè)性、準(zhǔn)確性等特性。伴隨著這些特性而來的，還有冗長復(fù)雜且晦澀難懂等特點(diǎn)。不管是用戶、應(yīng)用市場平臺(tái)或是相關(guān)監(jiān)管機(jī)構(gòu)，人工從隱私政策中找出其收集的隱私信息，都需要耗費(fèi)大量的人力。一個(gè)高效的自動(dòng)化隱私信息提取工具，不僅能夠幫助用戶了解一個(gè)應(yīng)用收集了哪些隱私信息，而且能夠幫助應(yīng)用市場平臺(tái)或相關(guān)監(jiān)管機(jī)構(gòu)提高調(diào)查工作的效率。

隱私政策的文本往往十分復(fù)雜。一方面，隱私政策的撰寫要符合相關(guān)的法規(guī)，因此其具有很強(qiáng)的規(guī)范性與專業(yè)性，且通常以長句為主；而另一方面，由于相關(guān)法規(guī)對(duì)于隱私信息的描述并沒有一個(gè)確定的要求，不同應(yīng)用的隱私政策往往用詞差距很大。傳統(tǒng)上，要了解一份隱私政策里包含了哪些隱私信息，需要依靠專業(yè)的審計(jì)人員人工審核。這種方式不僅需要耗費(fèi)大量的人力，而且還十分耗時(shí)。

近年來，自然語言處理技術(shù)發(fā)展迅速，尤其是在大規(guī)模的文本分析、句法分析與命名實(shí)體識(shí)別方面。對(duì)于隱私政策文本數(shù)據(jù)，提取出其中聲明收集的隱私信息的關(guān)鍵在于定位與收集相關(guān)的句子。一般而言，隱私政策在聲明信息收集的時(shí)候，會(huì)有(收集類或分享類行為動(dòng)詞,數(shù)據(jù)對(duì)象)這樣的二元組出現(xiàn)。因此利用自然語言處理的命名實(shí)體識(shí)別及詞性標(biāo)注等技術(shù)有很大的潛力。但是，將自然語言處理技術(shù)直接應(yīng)用于隱私政策的隱私信息收集中，仍然存在如下技術(shù)問題亟待解決：

一、哪些文字在闡述隱私信息的收集？

二、哪些屬于隱私信息？

三、對(duì)隱私信息的描述是否統(tǒng)一？若不統(tǒng)一，該如何進(jìn)行歸一化？

目前沒有發(fā)現(xiàn)同本發(fā)明類似技術(shù)的說明或報(bào)道，也尚未收集到國內(nèi)外類似的資料。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)中存在的上述不足，提供了一種將自然語言處理技術(shù)應(yīng)用于隱私政策自動(dòng)化分析中的一種基于自然語言處理的隱私政策中隱私信息提取方法、裝置及終端。

根據(jù)本發(fā)明的一個(gè)方面，提供了一種隱私政策中隱私信息提取方法，包括：

獲取應(yīng)用的隱私政策原始數(shù)據(jù)，并對(duì)不同格式的隱私政策原始數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，得到通用文本格式的隱私政策數(shù)據(jù)，并對(duì)得到的所述通用文本格式的隱私政策數(shù)據(jù)進(jìn)行分句，拆解成多個(gè)單獨(dú)的句子；

利用預(yù)先摘取的用于描述隱私信息的句子對(duì)既有的自然語言處理模型進(jìn)行擴(kuò)展訓(xùn)練，得到隱私政策領(lǐng)域的語言處理模型，并利用得到的所述隱私政策領(lǐng)域的語言處理模型對(duì)每個(gè)句子進(jìn)行詞性標(biāo)注與命名實(shí)體識(shí)別，進(jìn)而將包含有行為動(dòng)詞與數(shù)據(jù)對(duì)象的句子篩選出來，得到(行為動(dòng)詞，數(shù)據(jù)對(duì)象)二元組的集合；