买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国银行股份有限公司

摘要：本发明公开了一种敏感文本监测方法及装置，涉及人工智能技术领域，其中该方法包括：根据预先构建的禁用词字典，对待监测文本进行禁用词匹配；在匹配到待监测文本中包含禁用词时，确定待监测文本为敏感文本；在未匹配到待监测文本中包含禁用词时，将待监测文本输入Bert识别模型，输出根据待监测文本的语义信息确定的待监测文本的文本类别；所述Bert识别模型根据历史文本及历史文本的文本类别训练得到；根据待监测文本的文本类别，确定待监测文本是否为敏感文本。本发明可以识别包含禁用词的、不包含禁用词但语义是敏感的敏感文本，可以准确识别敏感文本，降低敏感文本监测过程中的漏检率，提升敏感文本的监测成功率。

主权项：1.一种敏感文本监测方法，其特征在于，包括：根据预先构建的禁用词字典，对待监测文本进行禁用词匹配；在匹配到待监测文本中包含禁用词时，确定待监测文本为敏感文本；在未匹配到待监测文本中包含禁用词时，将待监测文本输入Bert识别模型，输出根据待监测文本的语义信息确定的待监测文本的文本类别；所述Bert识别模型根据历史文本及历史文本的文本类别训练得到；根据待监测文本的文本类别，确定待监测文本是否为敏感文本；其中，根据预先构建的禁用词字典，对待监测文本进行禁用词匹配，包括：根据预先构建的禁用词字典，采用Word2vec识别模型对待监测文本进行禁用词匹配；所述Word2vec识别模型根据历史文本及历史文本中的禁用词训练得到；其中，搭建初始Word2vec识别模型，收集历史文本及历史文本中的禁用词并构建禁用词序列，进行独热One-hot编码后送入初始Word2vec识别模型，采用Soft-max分类函数进行分类训练和测试，Word2vec识别模型训练完成后，取中间隐藏层的嵌入特征来表示禁用词的特征向量并保存，当待监测文本经过预处理后，One-hot编码送入训练好的Word2vec识别模型，获取其隐藏层的嵌入特征，与提前保存的禁用词的特征向量进行余弦相似度计算，大于阈值则表明该待监测文本含有禁用词，否则不含有禁用词；所述Bert识别模型按如下方式得到：将历史文本及历史文本的文本类别作为样本数据，获得训练集和测试集；利用训练集对所述Bert识别模型进行训练；利用测试集对所述Bert识别模型进行测试；其中，在将历史文本及历史文本的文本类别作为样本数据，获得训练集和测试集时，对样本数据以数据增强的方式进行文本类别平衡处理。

全文数据：

权利要求：

百度查询： 中国银行股份有限公司 敏感文本监测方法及装置