[发明专利]文本数据脱敏方法、装置、介质及电子设备

权利要求书

1.一种文本数据脱敏方法，其特征在于，包括：

获取文本数据；

通过预设字典树和/或预设正则表达式对所述文本数据处理，获取所述文本数据的第一敏感实体词；

通过预设模型对所述文本数据处理，获取所述文本数据中每个字符的标签，其中，所述文本数据中每个字符的标签包括所述文本数据中每个位置的字符的位置类别标签；

根据所述文本数据中每个字符的标签确定所述文本数据的第二敏感实体词；

根据所述文本数据的第一敏感实体词和所述文本数据的第二敏感实体词确定所述文本数据的敏感实体词；

对所述文本数据的敏感实体词进行脱敏处理；

通过所述预设模型对所述文本数据处理，获取所述文本数据中每个字符的标签包括：

通过双向长短期记忆网络层对文本数据的特征向量序列进行处理，获取所述文本数据中每个位置的字符对应的位置类别标签的概率；

通过条件随机场层对每个位置的字符对应的标签的概率处理，获取所述标签的概率的打分；

通过维特比算法对所述标签的概率的打分处理，获取所述文本数据中每个字符的标签；

其中，所述预设字典树通过如下方式确定：

对通用词典中的字符进行组合，得到预设词典；

基于所述预设词典中的词汇建立字典树，所述字典树中的每个节点为所述预设词典中每个词汇的一个字符；

在所述字典树中建立自动机，得到所述预设字典树。

2.根据权利要求1所述的方法，其特征在于，该方法还包括：

基于预设实体词汇的特征构建所述正则表达式，所述预设实体词汇包括以下任意一项或多项：身份证号码、电话号码、银行卡号、护照号码、社保卡号码、门牌号码、邮箱账号、机构名称。

3.根据权利要求1所述的方法，其特征在于，在通过所述预设模型对所述文本数据处理，获取所述文本数据中词汇的标签之前，该方法包括：

对所述文本数据中的每个字符进行处理，得到每个字符的特征向量；

对所述文本数据中每个词汇进行处理，得到每个词汇的特征向量；

基于每个字符的特征向量和每个词汇的特征向量生成所述文本数据的特征向量序列。

4.根据权利要求1所述的方法，其特征在于，在获取所述文本数据之前，该方法还包括：

获取训练数据，所述训练数据包括已知敏感实体词的文本数据；

通过word2vec模型或glove模型对所述训练数据处理，获取所述训练数据中每个字符的特征向量；

对所述训练数据进行分词处理，得到所述训练数据的分词特征序列；

根据所述训练数据的分词特征序列确定所述训练数据的每个词汇中每个位置的字符的标签；

利用所述训练数据中每个字符的特征向量和每个词汇中每个位置的字符的标签训练模型，得到所述预设模型。

5.根据权利要求1所述的方法，其特征在于，该方法还包括：

通过预设实体词集合对所述文本数据的敏感实体词进行校验；

根据校验结果删除所述文本数据的敏感实体词。