[发明专利]一种基于半监督学习的文本敏感信息识别方法在审
| 申请号： | 201710147072.2 | 申请日： | 2017-03-13 |
| 公开（公告）号： | CN106897459A | 公开（公告）日： | 2017-06-27 |
| 发明（设计）人： | 梁玲玲 | 申请（专利权）人： | 中国电子科技集团公司第三十研究所 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27;G06K9/62 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司51214 | 代理人： | 袁春晓 |
| 地址： | 610000 *** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及信息安全技术领域，公开了一种基于半监督学习的文本敏感信息识别方法。包括以下过程步骤1、基于有标注的敏感文档集和未标注的未知文档集中的学习样本，进行半监督学习，得到分类策略知识库；步骤2、对于待检测的文档进行中文分词和去停词处理，得到该文档中的特征元数据；步骤3、用特征向量对特征元数据进行表示，并提取特征值；步骤4、用分类策略知识库对特征值进行敏感文档性质判断，给出为敏感文档或安全文档的判断结果。本发明对少量敏感文档进行标注，对大量未知的文档集进行半监督学习，提高了敏感信息识别的可扩展能力和实用性。 | ||
| 搜索关键词： | 一种 基于 监督 学习 文本 敏感 信息 识别 方法 | ||
【主权项】：
一种基于半监督学习的文本敏感信息识别方法，其特征在于,包括以下过程：步骤1、基于有标注的敏感文档集和未标注的未知文档集中的学习样本，进行半监督学习，得到分类策略知识库；步骤2、对于待检测的文档进行中文分词和去停词处理，得到该文档中的特征元数据；步骤3、用特征向量对特征元数据进行表示，并提取特征值；步骤4、用分类策略知识库对特征值进行敏感文档性质判断，给出为敏感文档或安全文档的判断结果。
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中国电子科技集团公司第三十研究所，未经中国电子科技集团公司第三十研究所许可，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/201710147072.2/，转载请声明来源钻瓜专利网。
