[发明专利]一种文本信息的处理方法及系统

权利要求书

1.一种文本信息的处理方法，其特征在于，所述方法包括：

对待审批文本进行分词处理，获取包含多个词汇的词汇集合；

提取所述词汇集合中每个所述词汇的特征，获取词汇特征集；

将所述词汇特征集输入预设的分类模型进行词汇分类，确定所述待审批文本是否包含敏感词，所述分类模型预先基于样本数据训练神经网络模型得到，所述样本数据包括筛选样本词汇集和敏感样本词汇集；

若所述待审批文本包含敏感词，则输出用于指示所述待审批文本未通过审批的文本信息；

若所述待审批文本不包含敏感词，则输出用于指示所述待审批文本通过审批的文本信息。

2.根据权利要求1所述的方法，其特征在于，训练所述分类模型的过程，包括：

提取筛选样本词汇集中的每一筛选样本词汇的特征，获取正向特征集；

提取敏感样本词汇集中的每一敏感样本词汇的特征，获取反向特征集；

将所述正向特征集和所述反向特征集输入预设的神经网络模型，训练所述神经网络模型直至所述神经网络模型收敛，得到所述分类模型。

3.根据权利要求1所述的方法，其特征在于，所述将所述词汇特征集输入预设的分类模型进行词汇分类，确定所述待审批文本是否包含敏感词，包括：

将所述词汇特征集输入预设的分类模型进行词汇分类，确定每一所述词汇的词汇类别，所述词汇类别指示词汇是否为敏感词；

基于每一所述词汇的词汇类别，确定所述待审批文本中敏感词的数量；

若敏感词的数量大于等于阈值，确定所述待审批文本包含敏感词；

若所述敏感词的数量小于所述阈值，确定所述待审批文本不包含敏感词。

4.根据权利要求1所述的方法，其特征在于，所述对待审批文本进行分词处理，获取包含多个词汇的词汇集合，包括：

对待审批文本进行分词，获取多个第一词汇；

针对每个第一词汇，对所述第一词汇进行词性标注和权重设置，获取第二词汇；

确定包含所有所述第二词汇的词汇集合。

5.根据权利要求4所述的方法，其特征在于，所述提取所述词汇集合中每个所述词汇的特征，获取词汇特征集，包括：

对每一所述第二词汇进行词向量转换，得到每一所述第二词汇对应的词向量；

将每一所述第二词汇对应的词向量进行降维处理，获取每一所述第二词汇的特征；

根据每一所述第二词汇的特征，确定词汇特征集。

6.一种文本信息的处理系统，其特征在于，所述系统包括：

分词单元，用于对待审批文本进行分词处理，获取包含多个词汇的词汇集合；

提取单元，用于提取所述词汇集合中每个所述词汇的特征，获取词汇特征集；

分类单元，用于将所述词汇特征集输入预设的分类模型进行词汇分类，确定所述待审批文本是否包含敏感词，所述分类模型预先基于样本数据训练神经网络模型得到，所述样本数据包括筛选样本词汇集和敏感样本词汇集；

输出单元，用于若所述待审批文本包含敏感词，则输出用于指示所述待审批文本未通过审批的文本信息，若所述待审批文本不包含敏感词，则输出用于指示所述待审批文本通过审批的文本信息。

7.根据权利要求6所述的系统，其特征在于，所述分类单元包括：

第一提取模块，用于提取筛选样本词汇集中的每一筛选样本词汇的特征，获取正向特征集；

第二提取模块，用于提取敏感样本词汇集中的每一敏感样本词汇的特征，获取反向特征集；

训练模块，用于将所述正向特征集和所述反向特征集输入预设的神经网络模型，训练所述神经网络模型直至所述神经网络模型收敛，得到所述分类模型。