[发明专利]用于识别敏感文本信息的系统和方法

摘要

一种用于识别敏感文本信息的系统和方法。所述包括数据训练模块，用于将训练文本表示为向量空间形式的特征空间模型；数据测试模块，用于将测试文本表示为向量空间形式的特征空间模型；以及信息源分块识别模块，用于根据文本点在二维空间的分布，将测试文本集合划分为模糊区和非模糊区以及对模糊区和非模糊区分别进行分类识别。

主权项

一种用于识别敏感文本信息的系统，包括：数据训练模块，用于将训练文本表示为向量空间形式的特征空间模型；数据测试模块，用于将测试文本表示为向量空间形式的特征空间模型；以及信息源分块识别模块，用于根据文本点在二维空间的分布，将测试文本集合划分为模糊区和非模糊区以及对模糊区和非模糊区分别进行分类识别；所述数据训练模块包括：训练文本预处理模块，用于对训练文本进行预处理；第一特征抽取模块，用于根据所述训练文本预处理模块的预处理结果进行特征抽取；第一特征选择模块，用于对所述特征抽取模块所抽取的特征进行特征选择，从而对由字、词和字词串组成的特征进行特征选择而得到特征空间；所述数据测试模块包括：测试文本预处理模块，用于对测试文本进行预处理；第二特征抽取模块，用于根据所述测试文本预处理模块的预处理结果进行特征抽取；第二特征选择模块，用于对所述特征抽取模块所抽取的特征进行特征选择，从而对由字、词和字词串组成的特征进行特征选择而得到特征空间；所述信息源分块识别模块包括：区域划分模块，用于根据文本点在二维空间的分布将所述测试文本集合划分为所述模糊区和所述非模糊区；第一分类识别模块，用于以字或词作为特征对所述模糊区进行分类识别；第二分类识别模块，用于以相邻两个字或词组成的二元字符串作为特征对所述非模糊区进行分类识别。