发明公开
- 专利标题: 一种业务敏感数据词库构建方法、装置、介质及设备
-
申请号: CN202311764455.6申请日: 2023-12-20
-
公开(公告)号: CN117744634A公开(公告)日: 2024-03-22
- 发明人: 翟雨佳 , 黄秀丽 , 杨如侠 , 刘圣龙 , 邹云峰 , 高先周 , 赵磊 , 江伊雯
- 申请人: 国网智能电网研究院有限公司 , 国家电网有限公司大数据中心 , 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司 , 国家电网有限公司
- 申请人地址: 北京市昌平区未来科技城滨河大道18号; ; ; ;
- 专利权人: 国网智能电网研究院有限公司,国家电网有限公司大数据中心,国网江苏省电力有限公司营销服务中心,国网江苏省电力有限公司,国家电网有限公司
- 当前专利权人: 国网智能电网研究院有限公司,国家电网有限公司大数据中心,国网江苏省电力有限公司营销服务中心,国网江苏省电力有限公司,国家电网有限公司
- 当前专利权人地址: 北京市昌平区未来科技城滨河大道18号; ; ; ;
- 代理机构: 北京三聚阳光知识产权代理有限公司
- 代理商 张妙琪
- 主分类号: G06F40/242
- IPC分类号: G06F40/242 ; G06F40/279 ; G06F18/232
摘要:
本发明涉及业务敏感词库构建技术领域,公开了一种业务敏感数据词库构建方法、装置、介质及设备。其中,方法,获取目标业务数据集;基于列实体识别模型,对目标业务数据集进行列实体识别得到目标敏感数据列;基于每个单词的位置特征、相关性特征、频率特征、出现比率,对目标敏感数据列所属目标词表进行关键词提取得到候选敏感词;对候选敏感词进行聚类分析得到候选敏感词的敏感主题聚类结果以扩充敏感词库;最终不但有助于目标业务数据集的敏感词库自动化构建,而且基于半监督主题分析方式,有利于从语义层面对不同类型的业务数据负面清单敏感词进行更深粒度、更全覆盖率的高效识别,最终提高了不同业务数据集的敏感信息识别能力。