[发明专利]敏感词检测模型的训练方法和系统有效
| 申请号： | 201711096041.5 | 申请日： | 2017-11-09 |
| 公开（公告）号： | CN110019795B | 公开（公告）日： | 2021-10-12 |
| 发明（设计）人： | 张鹏;张春荣 | 申请（专利权）人： | 普天信息技术有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06N3/04;G06N3/08 |
| 代理公司： | 北京德琦知识产权代理有限公司 11018 | 代理人： | 谢安昆;宋志强 |
| 地址： | 100080 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种敏感词检测模型的训练方法和系统，该方法包括：步骤A‑1：将训练语料库的样本数据输入第一BLSTM模型和第二BLSTM模型，将第一BLSTM模型和第二BLSTM模型的输出输入CRF模型，CRF模型输出输入文本的敏感词识别结果；基于CRF的识别结果与输入文本的标记结果的差异，更新模型当前参数；步骤A‑2：将训练语料库的样本数据输入当前第一BLSTM模型，将该第一BLSTM模型的输出输入CNN模型，CNN模型输出输入文本的字体识别结果；基于CNN的识别结果与输入文本的字体差异，更新模型的当前参数。本发明提供的敏感词检测模型训练方法和系统，可以得到性能更好的敏感词检测模型，相比于传统DFA算法，对敏感词的检测不受敏感词词库限制，对异性字具备一定的检测能力。 | ||
| 搜索关键词： | 敏感 检测 模型 训练 方法 系统 | ||
【主权项】：
1.一种敏感词检测模型的训练方法，其特征在于，所述敏感词检测模型包含双向长短记忆性网络BLSTM模型和条件随机场CRF模型，所述BLSTM模型包括第一BLSTM模型和第二BLSTM模型，所述训练方法还包含卷积神经网络CNN模型；所述训练方法包括以下步骤：步骤A‑1：保持CNN模型的当前参数不更新，训练第一BLSTM模型、第二BLSTM模型和CRF模型：将训练语料库的样本数据输入第一BLSTM模型和第二BLSTM模型，将所述第一BLSTM模型和第二BLSTM模型的输出输入CRF模型，所述CRF模型输出输入文本的敏感词识别结果；基于所述CRF的识别结果与输入文本的标记结果的差异，以所述4个模型总损失函数的最大化为目标，更新第一BLSTM模型、第二BLSTM模型和CRF模型的参数作为该3个模型的当前参数；步骤A‑2：保持第一BLSTM模型、第二BLSTM模型和CRF模型的当前参数不变，训练第一BLSTM模型和CNN模型：将训练语料库的样本数据输入当前第一BLSTM模型，将该第一BLSTM模型的输出输入CNN模型，所述CNN模型输出输入文本的字体识别结果；基于所述CNN的识别结果与输入文本字体的差异，以所述4个模型总损失函数的最大化为目标，更新CNN模型的参数作为该模型的当前参数；所述步骤A‑2结束后，返回步骤A‑1，直至迭代程序结束。
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普天信息技术有限公司，未经普天信息技术有限公司许可，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/patent/201711096041.5/，转载请声明来源钻瓜专利网。
