[发明专利]一种文章属性识别方法以及电子设备

说明书

本发明实施例公开了一种文章属性识别方法以及电子设备，所述方法包括将待识别文章进行向量化处理以转换为词袋向量，所述词袋向量所包括的任一数值为词语在所述待识别文章中的词频逆向文件频率TF‑IDF值，通过第一模型对所述词袋向量进行处理，获取所述第一预设模型输出的第一预测值，通过第二模型获取第二预测值或通过第三模型获取第三预测值，所述第二预测值和所述第三预测值用于指示所述待识别文章的属性。采用本实施例所示的方法，能够提升对文章属性识别的准确率以及效率。

技术领域

本发明涉及通信技术领域，尤其涉及的是一种文章属性识别方法以及电子设备。

背景技术

随着互联网技术的发展，网络上的文章的数目越来越多，处于安全等多种考虑，需要识别出互联网上的垃圾文章。

现有技术中，一般采用基于语义的深度学习方法来进行文章的识别，以确定出文章是否为垃圾文章，其中，深度学习方法会首先将文章转换为文本向量，即可根据所述文本向量对所述文章进行识别，基于语义的方法在构建文本向量时，将所有文本表示为固定长度的数值向量，如word2vec、sentence2vec方法等。Word2vec可以求得词语的向量，文本向量可以用核心词的向量变换得到；sentence2vec可以求得句子的向量，文本向量可以有文本中句子的向量组合得到。深度学习方法主要有循环神经网络(Recurrent NeuralNetworks，RNN)，卷积神经网络(Convolutional Neural Network，CNN)以及长短期记忆网络(Long Short-Term Memory，LSTM)等。

采用现有技术所示的文章识别的缺陷在于，现有的基于深度学习方法的的文章识别方法训练所需资源多、耗时长，另外由于接口、语言兼容等原因，比较难达到实时性的要求。

发明内容

本发明实施例提供了一种文章属性识别方法以及电子设备，其能够提升对垃圾文章进行识别的效率和准确率。

本发明实施例第一方面提供了一种文章属性识别方法，包括：

将待识别文章进行向量化处理以转换为词袋向量，所述词袋向量所包括的任一数值为词语在所述待识别文章中的词频逆向文件频率TF-IDF值；

通过第一模型对所述词袋向量进行处理，获取所述第一预设模型输出的第一预测值；

通过第二模型对所述第一预测值以及所述待识别文章的文本特征进行处理，获取所述第二预设模型输出的第二预测值，或通过第三模型对所述第一预测值以及所述待识别文章的页面特征进行处理，获取所述第三预设模型输出的第三预测值，所述第二预测值和所述第三预测值用于指示所述待识别文章的属性。

本发明实施例第二方面提供了一种电子设备，包括：

第一处理单元，用于将待识别文章进行向量化处理以转换为词袋向量，所述词袋向量所包括的任一数值为词语在所述待识别文章中的词频逆向文件频率TF-IDF值；

第二处理单元，用于通过第一模型对所述词袋向量进行处理，获取所述第一预设模型输出的第一预测值；

第三处理单元，用于通过第二模型对所述第一预测值以及所述待识别文章的文本特征进行处理，获取所述第二预设模型输出的第二预测值，或通过第三模型对所述第一预测值以及所述待识别文章的页面特征进行处理，获取所述第三预设模型输出的第三预测值，所述第二预测值和所述第三预测值用于指示所述待识别文章的属性。

本发明实施例第三方面提供了一种电子设备，包括：

一个或多个中央处理器、存储器、总线系统、以及一个或多个程序，所述中央处理器和所述存储器通过所述总线系统相连；

其中所述一个或多个程序被存储在所述存储器中，所述一个或多个程序包括指令，所述指令当被所述电子设备执行时使所述电子设备执行如本发明实施例第一方面所示的方法。