[发明专利]自动解析文本中隐私信息的方法和装置

权利要求书

1.一种自动解析文本中隐私信息的方法，所述方法包括：

获取待解析文本；

对所述待解析文本进行分词处理，得到包含若干个词语的词序列；

对所述词序列进行基于上下文的编码，得到所述若干个词语分别对应的词向量；

根据所述词向量，确定其对应的词语分别属于多个隐私信息类别的各概率；

将所述各概率中最大概率对应的隐私信息类别确定为相应词语的归属类别；

根据词语的归属类别和该词语在所述词序列中的位置，确定所述待解析文本的解析结果。

2.如权利要求1所述的方法，其中，所述对所述待解析文本进行分词处理，包括：

将所述待解析文本拆分为多个语句；

将所述多个语句中的任一语句作为目标语句，将所述目标语句输入迁移学习模型，通过所述迁移学习模型对所述目标语句进行分词处理，得到包含若干个词语的词序列。

3.如权利要求1所述的方法，其中，所述对所述词序列进行基于上下文的编码，包括：

将所述词序列输入深度学习模型的编码层，通过所述编码层对所述词序列进行基于上下文的编码，得到所述若干个词语分别对应的词向量。

4.如权利要求3所述的方法，其中，所述根据所述词向量，确定其对应的词语分别属于多个隐私信息类别的各概率，包括：

将所述词向量输入所述深度学习模型的分类层，通过所述分类层输出其对应的词语分别属于多个隐私信息类别的各概率。

5.如权利要求1所述的方法，其中，所述根据词语的归属类别和该词语在所述词序列中的位置，确定所述待解析文本的解析结果，包括：

根据词语的归属类别和该词语在所述词序列中的位置，检查所述待解析文本中相邻位置的多个词语是否为同一归属类别；

合并同一归属类别的相邻位置的多个词语，作为一个结果单元，将结果单元对应的归属类别和其在所述词序列中的位置确定为所述待解析文本的解析结果。

6.如权利要求1所述的方法，其中，所述待解析文本为应用程序的隐私声明文本；

所述多个隐私信息类别包括：不含隐私信息和隐私声明合规信息的非隐私类别，以及对应于若干个预设种类的隐私声明合规信息的若干个隐私类别。

7.如权利要求6所述的方法，其中，所述若干个预设种类的隐私声明合规信息包括以下至少一种：

隐私信息存储期限、隐私信息超期处理方式、隐私信息存放地域、申诉和反馈渠道、应用程序运营者基本情况、隐私信息保护负责人联系方式。

8.如权利要求1所述的方法，其中，所述待解析文本为应用程序的隐私声明文本；

所述确定所述待解析文本的解析结果之后，所述方法还包括：

获取所述应用程序的代码分析结果，所述代码分析结果指示出所述应用程序实际采集的隐私信息类别构成的第一类别集合；

根据所述待解析文本的解析结果，确定所述隐私声明文本声明采集的隐私信息类别构成的第二类别集合；

当所述第一类别集合与所述第二类别集合一致，且包括的隐私信息类别均属于法律法规中允许所述应用程序采集的隐私信息类别时，确定所述应用程序合规。

9.一种自动解析文本中隐私信息的装置，所述装置包括：

获取单元，用于获取待解析文本；

分词单元，用于对所述获取单元获取的待解析文本进行分词处理，得到包含若干个词语的词序列；

编码单元，用于对所述分词单元得到的词序列进行基于上下文的编码，得到所述若干个词语分别对应的词向量；

概率确定单元，用于根据所述编码单元得到的词向量，确定其对应的词语分别属于多个隐私信息类别的各概率；

类别确定单元，用于将所述概率确定单元得到的各概率中最大概率对应的隐私信息类别确定为相应词语的归属类别；

结果确定单元，用于根据所述类别确定单元得到的词语的归属类别和该词语在所述词序列中的位置，确定所述待解析文本的解析结果。