[发明专利]一种发掘潜在风险词的方法、装置及设备

权利要求书

1.一种发掘潜在风险词的方法，包括：

获取若干目标文本，各目标文本中的部分词为已知风险词；

对各目标文本进行处理，得到各目标文本中的各词的词向量；

确定包含的各顶点与各词一一对应的点图；

根据已知风险词的词向量与其他词的词向量的距离，确定所述点图中每个顶点的入边和/或出边，得到有向图；

根据所述有向图中每个顶点的入边和/或出边，计算各顶点分别对应的评分；针对每个顶点，根据所述有向图所能确定出的以该顶点为起点的各路径中包含的其他顶点的数量越多，该顶点对应的评分越高；

根据评分大于指定阈值的顶点对应的词，确定潜在风险词。

2.如权利要求1所述的方法，对各目标文本进行处理，得到各目标文本中的各词的词向量，具体包括：

对各目标文本进行分词处理，得到各目标文本中的各词；

初始化各词的词向量；

根据各目标文本，确定若干异常文本；

以各目标文本和各异常文本为样本，针对每个样本，根据该样本包含的词的词向量，确定该样本对应的特征矩阵；

以各样本对应的特征矩阵为输入，采用神经网络算法训练用于识别文本是否异常的模型；

针对训练过程中的每次迭代，判断该次迭代中确定的训练效果表征值是否满足第一指定条件；

若是，则结束训练，并输出各词的词向量；

否则，根据该次迭代中确定的训练效果表征值调整模型参数和各词的词向量，并开始下一次迭代。

3.如权利要求2所述的方法，根据各目标文本，确定若干异常文本，具体包括：

对各目标文本进行若干次随机的编辑操作，得到若干异常文本；其中，所述编辑操作包括从文本中删除词的操作、更换文本中词的操作、将文本中任意两个词的位置进行交换的操作中的至少一种。

4.如权利要求1所述的方法，根据已知风险词的词向量与其他词的词向量的距离，确定所述点图中每个顶点的入边和/或出边，具体包括：

将一个已知风险词对应的顶点作为目标顶点；

根据所述目标顶点对应的词向量与除所述目标顶点外的每个其他顶点对应的词向量的距离，从其他顶点中确定出满足第一指定条件的待连接顶点；

确定所述目标顶点指向每个待连接顶点的边，作为所述目标顶点的出边；

选择一个顶点重新作为目标顶点，直至所述点图中所有顶点皆具有出边，或所述点图中具有出边的顶点的数量达到指定数量。

5.如权利要求4所述的方法，根据所述目标顶点对应的词向量与除所述目标顶点外的每个其他顶点对应的词向量的距离，从其他顶点中确定出满足第一指定条件的待连接顶点，具体包括：

按所述目标顶点对应的词向量与除所述目标顶点外的每个其他顶点对应的词向量的距离由小到大的顺序，依次选择N个其他顶点，作为待连接顶点；N为大于0的自然数。

6.如权利要求4所述的方法，选择一个顶点重新作为目标顶点，具体包括：

将各已知风险词对应的顶点中不具有出边的顶点作为备选顶点，以及，将各仅具有入边的顶点作为备选顶点；

针对每个备选顶点，根据该备选顶点对应的词向量与所述目标顶点对应的词向量的距离以及该备选顶点对应的特征数，确定该备选顶点对应的参考值；其中，若该备选顶点为已知风险词对应的顶点，则该备选顶点对应的特征数为指定自然数，若该备选顶点不是已知风险词对应的顶点，则该备选顶点对应的特征数是根据分别从各已知风险词对应的顶点到该备选顶点的各路径中包含的出边的数量确定的；备选顶点对应的词向量与所述目标顶点对应的词向量的距离越小，备选顶点对应的参考值越小；备选顶点对应的特征数越小，备选顶点对应的参考值越小；

将参考值最小的备选顶点重新作为目标顶点。

7.如权利要求6所述的方法，针对每个备选顶点，若该备选顶点不是已知风险词对应的顶点，则该备选顶点对应的特征数是分别从各已知风险词对应的顶点到该备选顶点的最短路径中包含的出边数量与所述指定自然数的和。