[發明專利]敏感內容識別模型的訓練方法、文本識別方法及相關裝置

有效

• 申請號: 202110691212.9
• 申請日: 2021-06-22
• 公開（公告）號: CN113254649B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 成杰峰;彭奕
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06F40/126;G06F40/279;G06F40/30;G06N3/0464;G06N3/0499;G06N3/08
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 王勇

1.一種敏感內容識別模型的訓練方法，其特征在于，所述訓練方法包括：

獲取多個用戶文本以及多個用戶賬號；每個用戶文本為敏感內容文本或非敏感內容文本每個所述用戶文本分別關聯一個所述用戶賬號；

基于所述多個用戶賬號以及各個用戶賬號之間的關聯關系，構建知識圖譜；其中，所述知識圖譜包括多個節點，每個節點對應于所述多個用戶賬號中的一個用戶賬號；

根據所述多個節點獲取多個賬號特征向量，每個賬號特征向量對應于所述多個節點中的一個節點；

提取所述多個用戶文本的多個文本特征向量，每個所述文本特征向量對應于一個用戶文本；

將每個用戶賬號特征向量和對應的一個或多個文本特征向量拼接，以得到多個融合特征向量；及

將所述多個融合特征向量作為多組訓練樣本，將每組訓練樣本分別輸入待訓練的分類模型中，對所述待訓練的分類模型進行訓練，以得到所述敏感內容識別模型；

其中，所述根據所述多個節點獲取多個賬號特征向量的步驟，包括：

將所述知識圖譜上的多組關聯賬號相應的多個節點和多條邊嵌入到目標函數中，通過所述目標函數計算出與所述多個節點對應的多個賬號特征向量，其中所述目標函數為：

其中，E_ij表示邊的權值；u_i、u_j分別表示第i個節點v_i，第j個節點v_j；Φ'(u_j)表示節點v_j的相鄰節點的賬號特征向量表示，Φ(u_i)、Φ(u_j)分別表示節點v_i、節點v_j的賬號特征向量表示；p₁(Φ(u_i)，Φ(u_j))表示賬號特征向量Φ(u_i)、Φ(u_j)的聯合概率分布；p₂(Φ(u_i)丨Φ′(u_j))表示給定Φ′(u_j)條件下的賬號特征向量Φ(u_i)的條件概率分布；

其中，提取所述多個用戶文本的多個文本特征向量的步驟，包括，

對所述多個用戶文本預處理，獲取多個向量矩陣；

將所述多個向量矩陣輸入到卷積神經網絡，以得到對應于所述多個向量矩陣的多個文本特征向量，每個向量矩陣對應于所述多個文本特征向量中的一個文本特征向量；

其中，所述對所述多個用戶文本預處理，獲取多個向量矩陣的步驟，包括：

對多個用戶文本中的每個句子進行分詞處理，以得到各個用戶文本的分詞集合；

對每個分詞集合內的各個詞編碼，以將所述每個分詞集合內的各個詞轉化為對應的詞向量；

以每個用戶文本的句子為單位，獲取每個句子的向量矩陣；該向量矩陣根據相應句子的多個詞對應的多個詞向量構建而成，所述向量矩陣的每一行對應于一個詞向量。

2.根據權利要求1所述的敏感內容識別模型的訓練方法，其特征在于，所述基于所述多個用戶賬號以及各個用戶賬號之間的關聯關系，構建知識圖譜的步驟，包括：

獲取所述多個用戶賬號中的各個用戶賬號的賬號信息，以得到多個用戶賬號信息；

基于所述多個用戶賬號信息獲取多組關聯賬號；其中所述用戶賬號信息包括相應用戶賬號的注冊登錄信息，每組關聯賬號包括具有相同的至少一個用戶賬號信息的兩個用戶賬號；及

根據多組關聯賬號構建知識圖譜；每個用戶賬號分別對應所述知識圖譜中的一個節點，每組關聯賬號的兩個用戶賬號之間的相同用戶賬號信息用于構建相應的兩個節點之間的邊。