[发明专利]待标注文本数据的处理方法、装置、电子设备及介质

权利要求书

1.一种待标注文本数据的处理方法，包括：

获取用于识别文本数据中自定义关键词的机器学习模型；

基于所述机器学习模型，识别待标注文本数据中的各自定义关键词；

分别加密识别出的各自定义关键词，获得分别对应于所述各自定义关键词的各密文；

将所述待标注文本数据中的各自定义关键词替换为对应的密文，获得脱敏后的所述待标注文本数据。

2.根据权利要求1所述的方法，其中，所述自定义关键词涉及实体名称、实体关系、手机号码、账户名、账户密码中的至少一类。

3.根据权利要求1所述的方法，其中，所述获取用于识别文本数据中自定义关键词的机器学习模型，包括：

根据设定的获取规则，获取训练文本数据集；

基于深度学习算法，利用所述训练文本数据集训练出所述机器学习模型；

其中，所述设定的获取规则满足以下各项中的任意一项或多项：

所述训练文本数据集中包括的字的总数量超过第一设定数量；

所述训练文本数据集中包括的词的总数量超过第二设定数量；

所述训练文本数据集中包括的每一类自定义关键词的总数量超过第三设定数量。

4.根据权利要求3所述的方法，其中，在所述基于深度学习算法，利用所述训练文本数据集训练出所述机器学习模型之后，还包括：

根据所述机器学习模型，获得验证文本数据集中每一条验证文本数据中的各自定义关键词作为各预测自定义关键词；

将每一条验证文本数据中的各预测自定义关键词与对应的各实际自定义关键词相比较，获得所述机器学习模型的评估指标值；

在所述评估指标值大于或等于评估指标阈值的情况下，再执行基于所述机器学习模型，识别待标注文本数据中的各自定义关键词的步骤。

5.根据权利要求4所述的方法，其中，所述方法还包括：

在所述评估指标值小于所述评估指标阈值的情况下，通过调整所述机器学习模型的训练次数和所述机器学习模型中超参数的数值中的至少一项，重新训练所述机器学习模型。

6.根据权利要求3所述的方法，其中，所述深度学习算法为BERT-CRF算法。

7.根据权利要求1所述的方法，其中，在所述识别待标注文本数据中的各自定义关键词之后，还包括：

获取所识别出的各自定义关键词的总数量；

在所识别出的自定义关键词的总数量大于零的情况下，再执行分别加密识别出的各自定义关键词，获得分别对应于所述各自定义关键词的各密文的步骤。

8.一种待标注文本数据的处理装置，包括：

获取模块，用于获取用于识别文本数据中自定义关键词的机器学习模型；

识别模块，用于基于所述机器学习模型，识别待标注文本数据中的各自定义关键词；

加密模块，分别加密识别出的各自定义关键词，获得分别对应于所述各自定义关键词的各密文；

替换模块，用于将所述待标注文本数据中的各自定义关键词替换为对应的密文，获得脱敏后的所述待标注文本数据。

9.一种包括至少一个计算装置和至少一个存储装置的电子设备，其中，所述至少一个存储装置用于存储指令，所述指令用于控制所述至少一个计算装置执行根据权利要求1至7中任一项所述的方法；或者，所述设备通过所述计算装置和所述存储装置实现根据权利要求8所述的装置。

10.一种计算机可读存储介质，其中，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如权利要求1至7中任一项所述的方法。