[发明专利]一种基于大数据的隐私数据分级方法和装置

权利要求书

1.一种基于大数据的隐私数据分级方法，其特征在于，包括：

由待处理隐私数据中提取多个高频的关键词，取词频在第一预设阈值之上的所述关键词生成高频词集合；

基于所述高频词集合确定所述待处理隐私数据的隐私分类；

基于采集的大数据中已分类和分级的所述隐私数据中，词频在第二预设阈值之上的所述关键词建立高频词矩阵；

以所述高频词矩阵和所述待处理隐私数据的所述隐私分类，对所述待处理隐私数据进行分级处理，得到所述待处理隐私数据的隐私分级；

所述基于采集的大数据中已分类和分级的所述隐私数据中，词频在第二预设阈值之上的所述关键词建立高频词矩阵，包括：

根据词频在所述第二预设阈值之上的所述关键词建立高频词词库；

以所述高频词词库中的每一个所述关键词为列元素，以所述隐私数据为行元素建立所述高频词矩阵；

所述高频词矩阵的矩阵元素为所在行的所述隐私数据是否包含所述矩阵元素所在列的所述关键词，若是则所述矩阵元素为1，若否则所述矩阵元素为0。

2.根据权利要求1所述的方法，其特征在于，所述由所述待处理隐私数据中提取多个高频的所述关键词，取词频在所述第一预设阈值之上的所述关键词生成所述高频词集合，包括：

通过词频TF技术由所述待处理隐私数据中提取多个高频的所述关键词；

通过逆文件频率IDF技术由提取到的所述关键词中，取词频在所述第一预设阈值之上的所述关键词生成所述高频词集合。

3.根据权利要求1所述的方法，其特征在于，所述基于所述高频词集合确定所述待处理隐私数据的隐私分类，包括：

采取朴素贝叶斯方法将所述高频词集合中的所述关键词作为属性对所述待处理隐私数据进行分类，确定所述待处理隐私数据的所述隐私分类。

4.根据权利要求1所述的方法，其特征在于，所述以所述高频词矩阵和所述待处理隐私数据的所述隐私分类，对所述待处理隐私数据进行分级处理，得到所述待处理隐私数据的所述隐私分级，包括：

采取支持向量机方法，以所述高频词矩阵中的所述矩阵元素作为输入，结合所述待处理隐私数据的所述隐私分类和所述高频词矩阵中的所述隐私数据所述隐私分类的对应关系，对所述待处理隐私数据进行分级处理，得到所述待处理隐私数据的所述隐私分级。

5.一种基于大数据的隐私数据分级装置，其特征在于，包括：

关键词提取模块，用于由待处理隐私数据中提取多个高频的关键词，取词频在第一预设阈值之上的所述关键词生成高频词集合；

分类模块，用于基于所述高频词集合确定所述待处理隐私数据的隐私分类；

矩阵模块，用于基于采集的大数据中已分类和分级的所述隐私数据中，词频在第二预设阈值之上的所述关键词建立高频词矩阵；

分级模块，用于以所述高频词矩阵和所述待处理隐私数据的所述隐私分类，对所述待处理隐私数据进行分级处理，得到所述待处理隐私数据的隐私分级；

所述矩阵模块，具体用于：

根据词频在所述第二预设阈值之上的所述关键词建立高频词词库；

以所述高频词词库中的每一个所述关键词为列元素，以所述隐私数据为行元素建立所述高频词矩阵；

所述高频词矩阵的矩阵元素为所在行的所述隐私数据是否包含所述矩阵元素所在列的所述关键词，若是则所述矩阵元素为1，若否则所述矩阵元素为0。

6.根据权利要求5所述的装置，其特征在于，所述关键词提取模块，具体用于：

通过词频TF技术由所述待处理隐私数据中提取多个高频的所述关键词；

通过逆文件频率IDF技术由提取到的所述关键词中，取词频在所述第一预设阈值之上的所述关键词生成所述高频词集合。

7.根据权利要求5所述的装置，其特征在于，所述分类模块，具体用于：

采取朴素贝叶斯方法将所述高频词集合中的所述关键词作为属性对所述待处理隐私数据进行分类，确定所述待处理隐私数据的所述隐私分类。

8.根据权利要求5所述的装置，其特征在于，所述分级模块，具体用于：

采取支持向量机方法，以所述高频词矩阵中的所述矩阵元素作为输入，结合所述待处理隐私数据的所述隐私分类和所述高频词矩阵中的所述隐私数据所述隐私分类的对应关系，对所述待处理隐私数据进行分级处理，得到所述待处理隐私数据的所述隐私分级。