[发明专利]一种风险网址的识别方法、装置及电子设备

权利要求书

1.一种风险网址的识别方法，所述方法包括：

获取待识别的目标网址；

爬取所述目标网址对应的文本信息和图像信息；

通过多模态表示学习获取所述文本信息与所述图像信息之间的共同表征；

通过机器学习算法对所述共同表征进行分类，确认所述目标网址是否为风险网址；

所述通过多模态表示学习获取所述文本信息与所述图像信息之间的共同表征，包括：

对所述文本信息进行向量转换获得文本特征向量，对所述图像信息进行向量转换获得图像特征向量；

通过自编码器对所述文本特征向量和所述图像特征向量进行降维，获得所述文本特征向量的文本表征和所述图像特征向量的图像表征，所述文本表征和所述图像表征的特征维度相同；

获取所述文本表征和所述图像表征之间的典型相关系数；

基于所述文本表征、所述图像表征以及所述典型相关系数，通过多模态表示学习获取所述共同表征，具体包括：在多模态表示学习时，将文本表征和图像表征之间的典型相关系数加入到多模态表示学习的损失函数中，让多模态表示学习模型排除干扰信息和单模态的噪音，学习文本表征和图像表征之间的共同表征。

2.如权利要求1所述的方法，爬取所述目标网址对应的文本信息和图像信息，包括：

爬取所述目标网址对应的目标网页中的网页文本以及所述目标网页的网页截图；

爬取所述目标网页中的子链接以及所述子链接对应的子链接文本及子链接图像；

将所述网页文本和所述子链接文本作为所述目标网址对应的文本信息，将所述网页截图和所述子链接图像作为所述目标网址对应的图像信息。

3.如权利要求1所述的方法，所述获取待识别的目标网址，包括：

从风险防控平台内获取投诉网址，获取所述风险防控平台的进件网址，以及从互联网中获取满足预设风险规则的外部网址；

基于所述投诉网址、所述进件网址及所述外部网址获取，获取待识别的所述目标网址。

4.如权利要求3所述的方法，所述从互联网中获取满足预设风险规则的网址作为所述目标网址，包括：

根据风险关键词进行网址检索获取所述目标网址；和/或，

对论坛类网页进行风险投诉信息监控，基于监控获得的所述风险投诉信息抽取所述目标网址。

5.一种风险网址的识别装置，所述装置包括：

获取单元，用于获取待识别的目标网址；

爬取单元，用于爬取所述目标网址对应的文本信息和图像信息；

学习单元，用于通过多模态表示学习获取所述文本信息与所述图像信息之间的共同表征；

分类单元，用于通过机器学习算法对所述共同表征进行分类，确认所述目标网址是否为风险网址；

所述学习单元用于：

对所述文本信息进行向量转换获得文本特征向量，对所述图像信息进行向量转换获得图像特征向量；

通过自编码器对所述文本特征向量和所述图像特征向量进行降维，获得所述文本特征向量的文本表征和所述图像特征向量的图像表征，所述文本表征和所述图像表征的特征维度相同；

获取所述文本表征和所述图像表征之间的典型相关系数；

基于所述文本表征、所述图像表征以及所述典型相关系数，通过多模态表示学习获取所述共同表征，具体包括：在多模态表示学习时，将文本表征和图像表征之间的典型相关系数加入到多模态表示学习的损失函数中，让多模态表示学习模型排除干扰信息和单模态的噪音，学习文本表征和图像表征之间的共同表征。

6.如权利要求5所述的装置，所述爬取单元用于：

爬取所述目标网址对应的目标网页中的网页文本以及所述目标网页的网页截图；

爬取所述目标网页中的子链接以及所述子链接对应的子链接文本及子链接图像；

将所述网页文本和所述子链接文本作为所述目标网址对应的文本信息，将所述网页截图和所述子链接图像作为所述目标网址对应的图像信息。