【技术实现步骤摘要】
文本对象检测的方法、装置、电子设备和存储介质
[0001]本公开涉及人工智能
,尤其涉及自然语言处理和智能搜索技术,具体涉及一种用于文本对象的检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
技术介绍
[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]文本对象的检测有助于实现各种应用,例如,在内容分发的场景下快速识别风险内容。在相关技术中,对文本对象检测的技术方案还有很大的提高空间。
[0004]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
[0005]本公开提供了一种文本对象的检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0006]根据本公开的一个方面,提供了一种文本对象检测方法,包括:获取数据库;利用数据筛选策略,从数据库中提取待检测数据;以及将待检测数据输入到文本对象检测模型,以获取文本对象检测模型输出的检测结果,检测结 ...
【技术保护点】
【技术特征摘要】
1.一种文本对象的检测方法,包括:获取数据库;利用数据筛选策略,从所述数据库中提取待检测数据;以及将所述待检测数据输入到文本对象检测模型,以获取所述文本对象检测模型输出的检测结果,所述检测结果能够表征所述待检测数据是否包括所述文本对象。2.如权利要求1所述的方法,其中,所述数据筛选策略通过执行包括以下各项的操作生成:获取第一正负样本集,其中,所述第一正负样本集包括至少一个正样本,所述至少一个正样本为从样本数据库中确定的表示所述文本对象的数据;从所述第一正负样本集中提取至少一个高频词汇;以及基于所述至少一个高频词汇生成所述数据筛选策略,所述数据筛选策略包括所述至少一个高频词汇中的能够表示所述文本对象的特征的高频词汇。3.如权利要求2所述的方法,其中,对于每个高频词汇,所述第一正负样本集中包含该高频词汇的样本的数目大于或等于第一阈值。4.如权利要求2所述的方法,其中,所述从所述第一正负样本集中提取至少一个高频词汇包括:对所述第一正负样本集中的各个样本进行分词;从经分词后的所述各个样本中提取至少一个关键词;确定所述至少一个关键词的子集,所述各个样本中包含所述子集中的关键词的样本的数目大于或等于所述第一阈值;基于通用文本策略对所述至少一个关键词的所述子集进行过滤;以及将经过滤后的所述至少一个关键词的所述子集作为所述至少一个高频词汇。5.如权利要求2所述的方法,其中,所述基于所述至少一个高频词汇生成所述数据筛选策略包括:基于所述至少一个高频词汇,生成正则表达式;基于N
‑
gram语言模型,计算所述正则表达式中的所述至少一个高频词汇之间的N
‑
gram距离;以及基于所述N
‑
gram距离,优化所述正则表达式,其中所述数据筛选策略还包括经优化后的正则表达式。6.如权利要求2所述的方法,其中,所述获取第一正负样本集包括:将所述样本数据库中命中初级筛选策略的数据提取出来,作为第一数据集;以及对所述第一数据集进行标注以得到所述第一正负样本集,其中,所述第一数据集中包括所述文本对象的数据被标注为所述第一正负样本集中的所述至少一个正样本。7.如权利要求6所述的方法,其中,所述操作进一步包括以下步骤:将所述样本数据库中命中所述数据筛选策略的数据提取出来,以作为样本数据集;对所述样本数据集进行标注以得到第二正负样本集,所述第二正负样本集包括至少一个正样本,所述至少一个正样本为所述样本数据集中表示所述文本对象的数据;响应于确定所述第二正负样本集中的所述至少一个正样本在所述样本数据集中的比例小于第二阈值,调整所述数据筛选策略;
根据经调整后的数据筛选策略,从所述样本数据库中提取数据并将提取的数据作为所述样本数据集;以及重复所述步骤直到所述比例大于或等于所述第二阈值。8.如权利要求7所述的方法,其中,所述操作进一步包括:响应于确定所述重复的次数大于第三阈值,调整所述初级筛选策略。9.如权利要求4所述的方法,其中,所述基于通用文本策略对所述至少一个关键词的所述子集进行过滤包括:将所述至少一个关键词的子集中的一个或多个关键词进行泛化。10.如权利要求1至9中任一项所述的方法,其中,所述文本对象检测模型通过执行包括以下各项的操作得到:获取ERNIE模型;获取基础检测模型;基于所述样本数据集,对ERNIE模型进行训练激发;响应于确定所述样本数据集的准确率小于第四阈值或所述样本数据集的召回率小于第五阈值,调整所述样本数据集;使用经调整后的所述样本数据集,训练所述ERNIE模型;基于训练后的ERNIE模型,提取所述样本数据库中的数据;以及使用所提取的数据训练所述基础检测模型以得到所述文本对象检测模型。11.一种文本对象的检测装置,包括:第一获取单元,被配置为获取数据库;提取单元,被配置为利用数据筛选策略,从所述数据库中提取待检测数据,以及;第二获取单元,被配置为将所述待检测数据输入到文本对象检测模型,以获取所述文本对象检测模型输出的检测结果,所述检测结果能够表征所述待检测数据是否包括所述文本对象。12.如权利要求1...
【专利技术属性】
技术研发人员:郑璐璐,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。