[发明专利]一种内容识别方法、装置、电子设备及可读存储介质

权利要求书

1.一种内容识别方法，其特征在于，所述方法包括:

获取网页信息；

提取所述网页信息中的源文本数据、源图像数据以及视频数据，将所述视频数据转化为第一图像数据；

通过训练得到的第一学习模型识别所述源文本数据，提取违规源文本数据，并对所述违规源文本数据进行标记，生成源文本识别结果；

通过训练得到的第二学习模型识别所述源图像数据和第一图像数据，提取违规源图像数据与违规第一图像数据，并对所述违规源图像数据与所述违规第一图像数据进行标记，生成源图像识别结果和视频识别结果；

根据所述源文本识别结果、所述源图像识别结果以及所述视频识别结果得到第一网页识别结果。

2.根据权利要求1所述的内容识别方法，其特征在于，所述在得到第一网页识别结果的步骤之后，所述方法还包括：

提取所述源图像数据和所述第一图像数据中的文本数据，生成第二文本数据和第三文本数据；

通过所述第一学习模型识别所述第二文本数据和第三文本数据，提取违规第二文本数据和违规第三文本数据，并对违规第二文本数据和违规第三文本数据进行标记，生成源图像文本识别结果和视频文本识别结果；

根据所述源图像文本识别结果和视频文本识别结果得到第二网页识别结果。

3.根据权利要求2所述的内容识别方法，其特征在于，所述提取所述源图像数据和所述第一图像数据中的文本数据，生成第二文本数据和第三文本数据的步骤包括:

通过光学字符识别技术提取所述源图像数据和所述第一图像数据中的文本数据，生成第二文本数据和第三文本数据。

4.根据权利要求1所述的内容识别方法，其特征在于，所述对所述违规源文本数据进行标记的步骤包括：

根据所述违规源文本数据的违规类型，绑定对应的第一级标签；

所述对所述违规源图像数据与所述违规第一图像数据进行标记的步骤包括：

根据所述违规源图像数据与所述违规第一图像数据的违规类型，绑定对应的第一级标签。

5.根据权利要求4所述的内容识别方法，其特征在于，所述根据所述违规源文本数据的违规类型，绑定对应的第一级标签的步骤之后，所述方法还包括：

确定所述第一级标签对应的多个第二级标签；

根据所述违规源文本数据的违规内容，确定对应的第二级标签，并绑定对应的第二级标签；

所述根据所述违规源图像数据与所述违规第一图像数据的违规类型，绑定对应的第一级标签的步骤之后，所述方法还包括：

确定所述第一级标签对应的多个第二级标签；

根据所述违规源图像数据与所述违规第一图像数据的违规内容，确定对应的第二级标签，并绑定对应的第二级标签。

6.根据权利要求1所述的内容识别方法，其特征在于，所述网页信息包括网页源代码中的HTML信息；

所述提取所述网页信息中的源文本数据、源图像数据以及视频数据包括：

通过指定标签提取所述HTML信息中的源文本数据、源图像数据以及视频数据。

7.一种内容识别装置，其特征在于，所述装置包括：

获取模块，用于获取网页信息，提取所述网页信息中的源文本数据、源图像数据以及视频数据，将所述视频数据转化为第一图像数据；

文本识别模块，用于通过训练得到的第一学习模型识别所述源文本数据，提取违规源文本数据，并对所述违规源文本数据进行标记，生成源文本识别结果；

图像识别模块，用于通过训练得到的第二学习模型识别所述源图像数据和第一图像数据，提取违规源图像数据与违规第一图像数据，并对所述违规源图像数据与所述违规第一图像数据进行标记，生成源图像识别结果和视频识别结果；

结果识别模块，用于根据所述源文本识别结果、所述源图像识别结果以及源视频识别结果得到网页识别结果。