[发明专利]基于深度学习的敏感信息查询方法在审
| 申请号： | 202011482836.1 | 申请日： | 2020-12-16 |
| 公开（公告）号： | CN112597770A | 公开（公告）日： | 2021-04-02 |
| 发明（设计）人： | 綦大勇;梁媛媛;王琦;朱霖;邓晓露;陈华 | 申请（专利权）人： | 盐城数智科技有限公司 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06N3/04;G06N3/08;G06F16/33 |
| 代理公司： | 盐城市大丰区丰晟知识产权代理事务所(特殊普通合伙) 32454 | 代理人： | 邵珑;葛潇敏 |
| 地址： | 224199 江苏省盐城市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 深度 学习 敏感 信息 查询 方法 | ||
【权利要求书】：
1.一种基于深度学习的敏感信息查询方法，其特征在于包括如下步骤：
步骤1，对待查询文本进行分词处理，然后转换为特征向量；
步骤2，将步骤1得到的特征向量输入神经网络模型中，输出与敏感词词库的相似度，若该相似度高于阈值，则判定该待查询文本中包含敏感词，并输出相应的敏感词结果。
2.如权利要求1所述的基于深度学习的敏感信息查询方法，其特征在于：所述步骤1中，还对分词处理后的结果进行人工抽查复核。
3.如权利要求1所述的基于深度学习的敏感信息查询方法，其特征在于：所述步骤1中，根据分词规则对待查询文本进行分词处理，该分词规则为在训练过程中满足置信度要求的分词规则。
4.如权利要求1所述的基于深度学习的敏感信息查询方法，其特征在于：所述步骤2中，所述神经网络模型包括输入层、隐藏层和输出层，其中，输入层的输入为待查询文本进行分词处理后得到的特征向量，输出层的输出为前述特征向量与敏感词词库的相似度。
5.如权利要求4所述的基于深度学习的敏感信息查询方法，其特征在于：所述神经网络模型的代价函数采用交叉熵损失函数，采用随机梯度下降方法进行训练。
6.如权利要求1所述的基于深度学习的敏感信息查询方法，其特征在于：所述步骤2中，敏感词词库包含现有敏感词词库及自定义的敏感词。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于盐城数智科技有限公司，未经盐城数智科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011482836.1/1.html，转载请声明来源钻瓜专利网。
