[发明专利]数据检测方法、装置及存储介质

说明书

本发明提供了一种数据检测方法、装置及存储介质，通过获取当前待检文本信息；利用当前文本识别模型对当前待检文本信息进行检测，确定出当前待检文本信息的检测结果；当前文本识别模型是通过获取训练文本数据集合，结合多维数据提取所述训练文本数据集合中的多个反讽文本信息，并通过多个反讽文本信息对前一次文本识别模型进行循环训练后得到的。多维数据表征词性类、情感信息类、画像类和评价得分类。因为多维数据考虑了反讽文本信息中的多个因素，所以获取了大量全面的反讽文本信息，进而通过大量全面的反讽文本信息训练的当前文本识别模型，可以在群体会话中准确地识别出反讽文本信息，所以提高了群体会话反讽文本的识别效率。

技术领域

本发明实施例涉及互联网风控技术领域，尤其涉及一种数据检测方法、装置及存储介质。

背景技术

目前，大部分公司面临着激烈的行业竞争。其中文本风控是中文互联网中非常重要的风控手段。

目前，在各类负向文本中，群体会话中的反讽文本的识别难度最高。反讽文本是指用户以反语、讽刺的语气表达不满的方式。反语是指运用跟本意相反的词语来表达此意，却含有否定、讽刺以及嘲弄的意思。反讽文本是一种带有强烈感情色彩的修辞格，如“我真是太喜欢这个破地方了”。讽刺则是用比喻、夸张等手法对人或事进行揭露、批评或嘲笑，如“XX快递，野鸡中的战斗机”。这些反讽文本通常会以正向情感表达不满的态度，因此使用传统的情感分析难以正确识别含反讽文本的实际情感，反讽等这种修辞方式严重影响了文本的识别精度，因此针对反讽文本的识别，在文本风控中具有重要意义。

当前反讽文本识别技术，主要使用的方式有：关键词识别、情感分析、有监督学习等方式，这些方式各有优缺点。第一个关键词识别，通常是首先建立人工收集的语料库，然后在文本过滤的过程中，以该语料库是否识别该文本中的关键词为结果来识别反讽文本。这种方式的识别方案对于复杂点的反讽文本识别效率较低。第二个是情感分析，这种是以文本的情绪为主要判断依据，通过情感识别模型对文本进行评分。但是这种方式会造成误杀，对于反讽文本的识别效率较低。第三种方式是监督学习，这种方法需要一个比较庞大的反讽语料库，通过语料库来进行反讽文本的识别。这种方式时效性较差，通常在语料库长期的收集和训练过程后，用户的反讽表达形式也发生较多变化，导致模型失效，进而对反讽文本的识别效率也较低。

发明内容

本发明实施例提供的一种数据检测方法、装置及存储介质，可以提高群体会话中反讽文本的识别效率。

本发明的技术方案是这样实现的：

本发明实施例提供了一种数据检测方法，包括：

获取当前待检文本信息；

利用当前文本识别模型对所述当前待检文本信息进行检测，确定出所述当前待检文本信息的检测结果；

其中，所述当前文本识别模型是通过获取训练文本数据集合，结合多维数据提取所述训练文本数据集合中的多个反讽文本信息，并通过所述多个反讽文本信息对前一次文本识别模型进行循环训练得到的；所述多维数据包括：词性类、情感信息类、画像类和评价得分类信息中的至少两个。

上述方案中，所述当前文本识别模型是基于包含上下文的所述训练文本数据集合对应的目标对象的画像，及所述训练文本数据集合中会话文本信息的评价得分类信息，在所述训练文本数据集合中确定出所述多个反讽文本信息，并通过所述多个反讽文本信息对前一次文本识别模型进行循环训练得到的。

上述方案中，所述利用当前文本识别模型对所述当前待检文本信息进行检测，确定出所述当前待检文本信息的检测结果之前，所述方法还包括：

获取训练文本数据集合，结合多维数据提取所述训练文本数据集合中的多个反讽文本信息；所述训练文本数据集合包括多个目标对象的会话文本信息及相关信息，其中，每个文本信息表征对应目标对象的单一场景会话文本信息；