[發(fā)明專利]一種敏感評論識別方法、裝置、終端設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111134559.X
• 申請日: 2021-09-27
• 公開（公告）號: CN113868417A
• 公開（公告）日: 2021-12-31
• 發(fā)明（設(shè)計）人: 宋威
• 申請（專利權(quán)）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/335;G06F40/194;G06F40/242;G06K9/62;G06N3/04
• 代理公司: 深圳中一聯(lián)合知識產(chǎn)權(quán)代理有限公司 44414
• 代理人: 任敏

1.一種敏感評論識別方法，其特征在于，包括：

獲取目標(biāo)用戶發(fā)布的評論信息；

提取所述評論信息的文本特征；

將所述文本特征和所述目標(biāo)用戶的用戶畫像特征融合，得到目標(biāo)特征數(shù)據(jù)；

將所述目標(biāo)特征數(shù)據(jù)輸入已訓(xùn)練的敏感評論識別模型進行處理，通過所述敏感評論識別模型輸出所述評論信息是否為敏感評論的結(jié)果；

其中，所述敏感評論識別模型以敏感評論樣本和非敏感評論樣本作為樣本集訓(xùn)練獲得，所述敏感評論樣本為已融合樣本的文本特征和用戶畫像特征且?guī)в忻舾性u論標(biāo)簽的樣本數(shù)據(jù)，所述非敏感評論樣本為已融合樣本的文本特征和用戶畫像特征且?guī)в蟹敲舾性u論標(biāo)簽的樣本數(shù)據(jù)。

2.如權(quán)利要求1所述的方法，其特征在于，在提取所述評論信息的文本特征之前，還包括：

對所述評論信息進行分詞處理，得到所述評論信息包含的各個目標(biāo)詞語；

檢測所述各個目標(biāo)詞語中是否存在預(yù)先構(gòu)建的敏感詞詞典中記錄的敏感詞；

若所述各個目標(biāo)詞語中存在所述敏感詞詞典中記錄的敏感詞，則判定所述評論信息為敏感評論；

若所述各個目標(biāo)詞語中不存在所述敏感詞詞典中記錄的敏感詞，則觸發(fā)所述提取所述評論信息的文本特征的步驟。

3.如權(quán)利要求2所述的方法，其特征在于，所述敏感詞詞典包含的敏感詞通過以下方式擴充：

對所述敏感詞詞典中的每個敏感詞按照漢字的音碼進行擴充，得到音碼擴充的敏感詞；

對所述敏感詞詞典中的每個敏感詞按照漢字的形碼進行擴充，得到形碼擴充的敏感詞；

對所述敏感詞詞典中的每個敏感詞按照漢字的拼音進行擴充，得到拼音擴充的敏感詞；

將所述音碼擴充的敏感詞、所述形碼擴充的敏感詞以及所述拼音擴充的敏感詞添加至所述敏感詞詞典。

4.如權(quán)利要求3所述的方法，其特征在于，所述對所述敏感詞詞典中的每個敏感詞按照漢字的音碼進行擴充，得到音碼擴充的敏感詞，包括：

分別計算漢字詞典中收錄的每個漢字與目標(biāo)漢字之間的音碼相似度，所述目標(biāo)漢字為目標(biāo)敏感詞包含的一個漢字，所述目標(biāo)敏感詞為所述敏感詞詞典中任意的一個敏感詞；

將所述漢字詞典中收錄的所述音碼相似度大于設(shè)定閾值的漢字確定為第一待替換漢字；

分別使用各個所述第一待替換漢字對所述目標(biāo)敏感詞中的所述目標(biāo)漢字進行替換，得到各個音碼擴充的敏感詞；

所述對所述敏感詞詞典中的每個敏感詞按照漢字的形碼進行擴充，得到形碼擴充的敏感詞，包括：

分別計算所述漢字詞典中收錄的每個漢字與所述目標(biāo)漢字之間的形碼相似度；

將所述漢字詞典中收錄的所述形碼相似度大于設(shè)定閾值的漢字確定為第二待替換漢字；

分別使用各個所述第二待替換漢字對所述目標(biāo)敏感詞中的所述目標(biāo)漢字進行替換，得到各個形碼擴充的敏感詞；

所述對所述敏感詞詞典中的每個敏感詞按照漢字的拼音進行擴充，得到拼音擴充的敏感詞，包括：

將所述目標(biāo)敏感詞中的所述目標(biāo)漢字替換成拼音，得到所述目標(biāo)敏感詞對應(yīng)的拼音擴充敏感詞。

5.如權(quán)利要求4所述的方法，其特征在于，在將所述漢字詞典中收錄的所述音碼相似度大于設(shè)定閾值的漢字確定為第一待替換漢字之后，還包括：

分別統(tǒng)計每個所述第一待替換漢字在指定文本中的出現(xiàn)次數(shù)；

按照所述出現(xiàn)次數(shù)由高至低的順序?qū)Ω鱾€所述第一待替換漢字進行排序；

將各個所述第一待替換漢字中排序處于指定數(shù)值之后的漢字篩除；

在將所述漢字詞典中收錄的所述形碼相似度大于設(shè)定閾值的漢字確定為第二待替換漢字之后，還包括：

分別統(tǒng)計每個所述第二待替換漢字在所述指定文本中的出現(xiàn)次數(shù)；

按照所述出現(xiàn)次數(shù)由高至低的順序?qū)Ω鱾€所述第二待替換漢字進行排序；

將各個所述第二待替換漢字中排序處于指定數(shù)值之后的漢字篩除。