[发明专利]敏感信息的识别方法、装置、电子设备及存储介质

权利要求书

1.一种敏感信息的识别方法，包括：

获取目标网页文本的实体信息；

利用预设的敏感信息识别模型，对所述实体信息进行识别处理，以获得所述实体信息的识别结果，所述预设的敏感信息识别模型是对预训练模型进行知识蒸馏处理后获得的，所述预训练模型包括预训练网络、第一文本特征提取网络和第一分类器，所述预设的敏感信息识别模型包括第二文本特征提取网络和第二分类器；

根据所述实体信息的识别结果，获得所述目标网页文本的敏感信息识别结果。

2.根据权利要求1所述的方法，其中，所述获取目标网页文本的实体信息，包括：

获取所述目标网页文本；

对所述目标网页文本进行切分处理，以获得所述目标网页文本的实体信息。

3.根据权利要求2所述的方法，其中，所述对所述目标网页文本进行切分处理，以获得所述目标网页文本的实体信息，包括：

对所述目标网页文本进行切分处理，得到所述目标网页文本的分词和分字；

利用预设的映射算法，对所述目标网页文本的分词和分字进行映射处理，以获得所述目标网页文本的句子标识序列；

根据所述句子标识序列，获得所述目标网页文本的实体信息。

4.根据权利要求1-3中任一项所述的方法，其中，所述利用预设的敏感信息识别模型，对所述实体信息进行识别处理，以获得所述实体信息的识别结果，包括：

将所述实体信息输入所述第二文本特征提取网络，以获得所述实体信息的上下文特征信息；

将所述上下文特征信息输入所述第二分类器，以获得所述实体信息的识别结果。

5.根据权利要求1-4中任一项所述的方法，其中，所述第二文本特征提取网络包括基于BiLSTM的网络；所述第二分类器包括基于Span的分类器。

6.一种敏感信息识别模型的训练方法，包括：

获取第一训练数据和第二训练数据，其中，所述第一训练数据是有标签数据，所述第二训练数据是无标签数据；

根据所述第一训练数据，对待训练的预训练模型进行迭代训练，以获得训练完成的预训练模型；所述预训练模型包括预训练网络、第一文本特征提取网络和第一分类器；

利用训练完成的预训练模型，对所述第二训练数据进行识别处理，以获得所述第二训练数据的软标签；

根据所述第二训练数据和所述第二训练数据的软标签，对待训练的敏感信息识别模型进行迭代训练，以获得敏感信息识别模型，所述敏感信息识别模型包括第二文本特征提取网络和第二分类器。

7.根据权利要求6所述的方法，其中，所述第一训练数据包括样本网页文本的样本实体信息和样本实体信息的标注标签，所述根据所述第一训练数据，对待训练的预训练模型进行迭代训练，以获得训练完成的预训练模型，包括：

将所述第一训练数据输入所述预训练网络，以获得所述第一训练数据对应的词向量特征；

将所述词向量特征输入所述第一文本特征提取网络，以获得所述词向量特征对应的上下文特征信息；

将所述上下文特征信息输入所述第一分类器，以获得所述样本实体信息的预测标签；

根据所述样本实体信息的标注标签和所述样本实体信息的预测标签，对待训练的预训练模型进行迭代训练，以获得训练完成的预训练模型。

8.根据权利要求6或7所述的方法，其中，所述根据所述第二训练数据和所述第二训练数据的软标签，对待训练的敏感信息识别模型进行迭代训练，以获得敏感信息识别模型，包括：

将所述第二训练数据输入所述第二文本特征提取网络，以获得所述第二训练数据的上下文特征信息；

将所述第二训练数据的上下文特征信息输入所述第二分类器，以获得所述第二训练数据的预测标签；

根据所述第二训练数据的软标签和所述第二训练数据的预测标签，对待训练的敏感信息识别模型进行迭代训练，以获得所述敏感信息识别模型。