互联网新闻敏感信息识别方法的研究

作者：李姝; 张祥祥; 于碧辉; 于金刚

来源：小型微型计算机系统, 2021, 42(04): 685-689.

DOI：10.3969/j.issn.1000-1220.2021.04.003

• 敏感信息识别
• 敏感关键词
• Bert
• Attention
• TextCNN

敏感信息识别是净化互联网环境的关键,在当今信息爆炸的时代,人们每天都要从互联网中获得大量信息,如何过滤大量信息中的敏感信息对整个社会安定和谐有着重要的意义.现有的方法主要是基于敏感关键词的方法进行过滤,需要不断更新迭代敏感关键词,泛化性弱,本文中使用基于预训练模型的深度学习方法可以学习到互联网新闻文本中更深层的语义信息,进而更有效的识别和过滤敏感信息,泛化性强,但是只使用深度学习方法会一定程度上的损失敏感关键词特征.本文首次将传统的敏感关键词方法与深度学习方法相结合应用于互联网敏感信息识别,提出了一种融合敏感关键词特征的模型Mer-HiBert.实验结果表明,与之前的敏感关键词方法以及深度学习模型相比,模型的性能有进一步提高.

• 单位
  中国科学院沈阳计算技术研究所; 沈阳理工大学; 中国科学院大学