[发明专利]一种垃圾信息检测方法、装置、设备及可读存储介质

说明书

本申请公开了一种垃圾信息检测方法、装置、设备及可读存储介质。本申请公开的方法应用于服务端，包括：获取客户端的用户生成内容；对用户生成内容分别进行归一化处理和分词处理，获得待检测分词；利用Skip‑Gram模型将待检测分词映射为待检测向量；利用LSTM模型检测待检测向量，获得检测结果。本申请中的Skip‑Gram模型能够准确表达语义信息，LSTM模型具备梯度传递特性，不仅可以分析某个单一分词，还能够考虑不同分词之间的关联性信息，从而可提高检测结果的准确率。相应地，本申请公开的一种垃圾信息检测装置、设备及可读存储介质，也同样具有上述技术效果。

技术领域

本申请涉及计算机技术领域，特别涉及一种垃圾信息检测方法、装置、设备及可读存储介质。

背景技术

对于用户生成内容的检测多利用正则表达式匹配关键词，但此方式的准确率依赖匹配策略的优劣，因此检测结果的准确性无法保障。用户生成内容即用户在客户端自出编辑形成的内容。

目前，也可以利用NBOW(Neural Bag-of-Words，词袋模型)和CNN(ConvolutionalNeural Network，卷积神经网络)检测检测用户生成内容中的垃圾信息。但由于NBOW和CNN仅针对文本的局部信息进行提取和分析，导致文本信息丢失，因此检测结果的准确率不高。

因此，如何提高垃圾信息的检测准确率，是本领域技术人员需要解决的问题。

发明内容

有鉴于此，本申请的目的在于提供一种垃圾信息检测方法、装置、设备及可读存储介质，以提高垃圾信息的检测准确率。其具体方案如下：

第一方面，本申请提供了一种垃圾信息检测方法，应用于服务端，包括：

获取客户端的用户生成内容；

对用户生成内容分别进行归一化处理和分词处理，获得待检测分词；

利用Skip-Gram模型将待检测分词映射为待检测向量；

利用LSTM模型检测待检测向量，获得检测结果。

优选地，获取客户端的用户生成内容，包括：

按照LSTM模型的输入规则从客户端获取用户生成内容。

优选地，LSTM模型的训练过程包括：

获取训练词向量；

从训练词向量中随机选取多个预设大小的训练样本；

利用当前LSTM模型处理每个训练样本，获得多个训练结果；

针对任一个训练结果，计算当前训练结果与当前训练结果对应的训练样本的真实检测结果的误差，获得多个误差；

将多个误差的平均值确定为当前LSTM模型的误差值；

若误差值小于预设误差阈值，则将当前LSTM模型确定为LSTM模型。

优选地，还包括：

若误差不小于预设误差阈值，则执行从训练词向量中随机选取多个预设大小的训练样本的步骤。

优选地，还包括：

计算检测结果的准确率，若准确率低于预设准确率阈值，则对LSTM模型进行热更新。

优选地，所述LSTM模型包括：输入层、隐藏层和输出层，每个层添加有Dropout操作。

优选地，服务端和客户端通过gRPC进行通信。

第二方面，本申请提供了一种垃圾信息检测装置，应用于服务端，包括：

获取模块，用于获取客户端的用户生成内容；