[发明专利]网页访问风险检测、提示方法、装置及计算机设备

权利要求书

1.一种网页访问风险检测方法，包括：

接收终端上报的所访问网页的网页地址；

获取所述网页地址所对应的网页文档；

识别所述网页文档中的命名实体；

根据文档库中包括所述命名实体和负面情感内容的网页文档的数量，确定风险检测结果；所述文档库包括各终端历史上报的网页地址对应的网页文档；

向当前接收的网页地址所对应的终端反馈所述风险检测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取所述网页地址所对应的网页文档包括：

当不存在与所述网页地址对应的爬取记录时，爬取所述网页地址所对应的网页文档，将爬取的网页文档存储至文档库中；

所述方法还包括：

当存在与所述网页地址对应的爬取记录时，查询所述网页地址对应的网页文档所包括命名实体的风险指数，并根据查询到的风险指数确定风险检测结果。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当识别到的命名实体存在于命名实体库中时，则

直接查询识别到的命名实体的风险指数；

根据查询到的风险指数确定风险检测结果。

4.根据权利要求1所述的方法，其特征在于，所述根据文档库中包括所述命名实体和负面情感内容的网页文档的数量，确定风险检测结果包括：

统计文档库中包括所述命名实体的网页文档的第一数量，以及包括所述命名实体和负面情感内容的网页文档的第二数量；

根据所述第二数量与所述第一数量的比例确定所述命名实体的风险指数；

基于所述命名实体的风险指数确定风险检测结果。

5.根据权利要求4所述的方法，其特征在于，所述统计文档库中包括所述命名实体的网页文档的第一数量，以及包括所述命名实体和负面情感内容的网页文档的第二数量包括：

当识别到的命名实体未存在于命名实体库中时，则

初始化包括所述命名实体的网页文档的第一数量，以及包括所述命名实体和负面情感内容的网页文档的第二数量；

遍历所述文档库中的网页文档；

当遍历的网页文档包括所述命名实体时，将所述第一数量自增一；

当遍历的网页文档包括所述命名实体和负面情感内容时，将所述第二数量自增一。

6.根据权利要求4所述的方法，其特征在于，所述根据所述第二数量与所述第一数量的比例确定所述命名实体的风险指数包括：

获取所述文档库的网页文档总数；

根据所述第二数量与所述第一数量的第一比例，以及所述第二数量与所述网页文档总数的第二比例，确定所述命名实体的风险指数；所述风险指数分别与所述第一比例和所述第二比例正相关。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第二数量与所述第一数量的第一比例，以及所述第二数量与所述网页文档总数的第二比例，确定所述命名实体的风险指数包括：

其中，RI(e)为命名实体e对应的风险指数；w和1-w均为非负常数；M(e)为文档库中包含命名实体e的网页文档的数量；N(e)为文档库中包含命名实体e和负面情感内容的网页文档的数量；T为文档库的网页文档总数。

8.根据权利要求1至7任一项所述的方法，其特征在于，所述识别所述网页文档中的命名实体包括：

获取所述网页文档中各词对应的词向量；

将各词的词向量输入至预训练的命名实体识别模型中，输出得到所述网页文本内容中各词对应的实体类型；

将属于预设实体类型的词作为从所述网页文档中识别到的命名实体。

9.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：

将所述网页文档中的网页文本内容分割为多个语句；

从多个所述语句中筛选包含所述命名实体的语句；

当包含所述命名实体的语句中存在预设负面关键词时，则判定所述网页文档包括负面情感内容。