申请/专利权人：北京云上曲率科技有限公司

申请日：2021-01-21

公开（公告）日：2024-03-29

公开（公告）号：CN112686047B

主分类号：G06F40/295

分类号：G06F40/295

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.05.07#实质审查的生效;2021.04.20#公开

摘要：本发明公开了一种基于命名实体识别的敏感文本识别方法、装置、系统，所述方法为：获取待识别文本，对待识别文本进行预处理，得到数字向量；利用人工标注过的历史数据进行实体识别模型的训练，直到所述实体识别模型的准确率达到要求；利用训练好的实体识别模型,对所述数字向量进行处理,得到实体以及对应的位置，得到的实体即为敏感内容。本发明解决了现有敏感文字识别不精准，易出现误判的问题。

主权项：1.一种基于命名实体识别的敏感文本识别方法，其特征在于，所述方法为：获取待识别文本，对待识别文本进行预处理，得到数字向量；利用人工标注过的历史数据进行实体识别模型的训练，直到所述实体识别模型的准确率达到要求；利用训练好的实体识别模型,对所述数字向量进行处理,得到实体以及对应的位置，得到的实体即为敏感内容；所述对待识别文本的预处理过程为：顺序获取文本中每个字符的发音，得到发音特征；顺序获取文字中每个字符的笔顺，得到笔顺特征；顺序获取文本中每个字符的类型，得到字符类型特征；顺序获取文本中每个字符在字符集合中的位置，得到位置特征；将每个特征序列转化为数字向量；所述实体识别模型的训练过程为：进行敏感实体范围的定义，确定敏感实体的具体类型；对历史数据集进行人工标注，并进行预处理，得到标注数据库，每条历史数据都有对应的数字向量、实体列表及实体位置列表；利用标注过的数据集，对实体识别模型进行训练，直至实体识别模型的准确率达到设定要求；所述对历史数据集进行人工标注后还包括：对标注数据集进行数据增强,对每条历史数据对应的实体中的字符,在其对应的同音字,形近字,拼音,首字母范围内进行随机替换,得到增强数据集,与所述的标注数据集合并得到新数据集，利用新数据集对实体识别模型进行训练，直到实体识别模型准确率达到设定要求。

全文数据：

权利要求：

百度查询： 北京云上曲率科技有限公司 一种基于命名实体识别的敏感文本识别方法、装置、系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD