[发明专利]一种无监督的密点标注和辅助定密方法

权利要求书

1.一种无监督的密点标注和辅助定密方法，其特征在于，包括如下步骤：

步骤1，针对不同秘密类型分别建立语料统计库；

步骤2，根据步骤1得到的语料统计库计算词语置信度，按不同类型进行密级置信度排序，构建密点词库；

步骤3，根据步骤1得到的语料统计库，利用多特征融合的密点句置信度评估算法，提取已定密文档中不同密级的密点句，构建密点句库；

步骤4，利用步骤2构建的密点词库和步骤3构建的密点句库对待定密文档进行密点标注；

步骤5，根据步骤4中得到的待标注文档的定密结果，纳入对应类别，更新词语统计库中相关词语的记录。

2.如权利要求1所述的一种无监督的密点标注和辅助定密方法，其特征在于：步骤2所述根据步骤1得到的预料统计库计算词语置信度的算法为改进的SS3算法，如下式(1)：

gv(w，c)＝lv_σ(w，c)·sg_λ(w，c)·sn_ρ(w，c) (1)；

上式中gv(w，c)为词语w专属于类别c的置信度；

lv_σ(w，c)是根据词语在类别中的局部概率对词语进行赋值，通过定义类内分布系数和改进局部概率，考虑类内分布对词语分类区分度的影响，以及文本间差异所带来的计算偏差；sg_λ(w，c)用于表示词语对于类别的重要性；sn_ρ(w，c)用于衡量词语w对类别c重要的唯一性；

lv_σ(w，c)、sg_λ(w，c)、gv(w，c)分别如下式(2)、(3)、(4)：

其中，n_c表示类别c中所有的文本数量，n_w，c表示类别c中包含词语w的文本数量，d_c，j类别c中的第j篇文本，W是所有词语的集合，w_i∈W，和分别表示类别c中含有最多和最少文本数的词语的文本数量，是词语w在文本d_c，j中出现的频数，是文本d_c，j中含有最大词频数的词语的词频数量；

其中，LV_w＝{lv_σ(w，c_i)|c_i∈C}，即词语w的所有局部值的集合；表示LV_w的中位数；即LV_w的绝对中位差；为超参数；

其中，即C中除c外，所有类别的sg_λ(w，c_i)的总和；为超参数。

3.如权利要求1所述的一种无监督的密点标注和辅助定密方法，其特征在于：步骤3所述多特征融合的密点句置信度评估算法如下式(5)：

CScore(s_i)＝γ_l×classification(s_i)+γ₂×position(s_i)+γ₃×summary(s_i) (5)；

其中，s_i表示文本d的第i个句子，则d＝{s₁，s₂，...，s_|d|}，classification(s_i)表示句子s_i的密点词特征得分，position(s_i)表示句子s_i的位置特征得分，summary(s_i)表示句子s_i的总结词特征得分，γ₁、γ₂、γ₃为大于0的实数超参数，且γ₁+γ₂+γ₃＝1。