[发明专利]识别案源线索文本数据的方法、装置、存储介质和电子设备

说明书

本申请实施例提供一种识别案源线索文本数据的方法、装置、存储介质和电子设备，该方法包括：获取案源线索文本数据；对案源线索文本数据进行预处理，得到待识别的词向量；将待识别的词向量输入到预先训练好的基于转换器的双向编码表征BERT模型中，以便于BERT模型对待识别的词向量进行识别，得到案源线索文本数据对应的至少一种违法业务中每种违法业务的概率；将概率最大的违法业务确定为案源线索文本数据的最终违法业务。本申请实施例能够提高审核效率。

技术领域

本申请涉及文本分类技术领域，更具体的，涉及一种识别案源线索文本数据的方法、装置、存储介质和电子设备。

背景技术

目前，现有的确定案源线索的业务类别的方法是通过人工的方式来确定的。

在实现本发明的过程中，发明人发现现有技术中存在如下问题：现有的确定案源线索的业务类别的方法至少存在着审核效率不高的问题。

发明内容

本申请实施例的目的在于提供一种识别案源线索文本数据的方法、装置、存储介质和电子设备，以提高审核效率。

第一方面，本申请实施例提供了一种识别案源线索文本数据的方法，该方法包括：获取案源线索文本数据；对案源线索文本数据进行预处理，得到待识别的词向量；将待识别的词向量输入到预先训练好的基于转换器的双向编码表征BERT模型中，以便于BERT模型对待识别的词向量进行识别，得到案源线索文本数据对应的至少一种违法业务中每种违法业务的概率；将概率最大的违法业务确定为案源线索文本数据的最终违法业务。

因此，本申请实施例借助于BERT模型的强大的自动特征提取能力，可以有效地优化人工分类方法存在的弊端，减轻人工分类的压力，还能够提高审核效率，进而推进社会治理能力现代化。

在一个可能的实施例中，对案源线索文本数据进行预处理，得到待识别的词向量，包括：对案源线索文本数据进行分词处理，得到分词结果；对分词结果进行去除数字、去除标点符号和去除停用词的处理，得到处理结果；在处理结果中插入开始标志和结束标志，得到待识别的词向量。

在一个可能的实施例中，在待识别的词向量的字符长度大于预设字符长度的情况下，将待识别的词向量输入到预先训练好的基于转换器的双向编码表征BERT模型中，包括：从待识别的词向量中截取预设字符长度的目标词向量；将目标词向量输入到预先训练好的BERT模型中。

在一个可能的实施例中，预设字符长度为256。

第二方面，本申请实施例提供了一种识别案源线索文本数据的装置，该装置包括：获取模块，用于获取案源线索文本数据；预处理模块，用于对案源线索文本数据进行预处理，得到待识别的词向量；输入模块，用于将待识别的词向量输入到预先训练好的基于转换器的双向编码表征BERT 模型中，以便于BERT模型对待识别的词向量进行识别，得到案源线索文本数据对应的至少一种违法业务中每种违法业务的概率；确定模块，用于将概率最大的违法业务确定为案源线索文本数据的最终违法业务。

在一个可能的实施例中，预处理模块，具体用于：对案源线索文本数据进行分词处理，得到分词结果；对分词结果进行去除数字、去除标点符号和去除停用词的处理，得到处理结果；在处理结果中插入开始标志和结束标志，得到待识别的词向量。

在一个可能的实施例中，输入模块，具体用于在待识别的词向量的字符长度大于预设字符长度的情况下，从待识别的词向量中截取预设字符长度的目标词向量；将目标词向量输入到预先训练好的BERT模型中。

在一个可能的实施例中，预设字符长度为256。

第三方面，本申请实施例提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。