[发明专利]一种数据处理方法、装置、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

根据样本数据对应的至少一个词向量，对语义空间中的词向量进行聚类处理，得到至少一个聚类簇；

对每一聚类簇进行逐步分层次的词向量扩展，构建对应聚类簇的词汇紧密度规则；其中，每层词向量扩展均带有衰减因子，且越到外层的词向量扩展对应的衰减因子越强；

采用所述词汇紧密度规则对待检测数据中的敏感信息进行检测。

2.根据权利要求1所述的方法，其特征在于，所述对每一聚类簇进行逐步分层次的词向量扩展，构建对应聚类簇的词汇紧密度规则，包括：

在每次对所述聚类簇进行所述词向量扩展时，确定当前词向量扩展时的扩展中心点；

根据所述扩展中心点的词向量与其他词向量之间的距离，对对应聚类簇执行预设次数的词向量扩展，构建对应聚类簇的词汇紧密度规则。

3.根据权利要求2所述的方法，其特征在于，所述在每次对所述聚类簇进行所述词向量扩展时，确定当前词向量扩展时的扩展中心点，包括：

当对所述聚类簇进行初次扩展时，将所述聚类簇的中心点词向量确定为所述扩展中心点；

当当前词向量扩展是对所述聚类簇的第i次扩展时，将第i-1次扩展得到的扩展词向量，确定为当前词向量扩展的所述扩展中心点，其中，i大于1。

4.根据权利要求2所述的方法，其特征在于，所述根据所述扩展中心点的词向量与其他词向量之间的距离，对对应聚类簇执行预设次数的词向量扩展，构建对应聚类簇的词汇紧密度规则，包括：

在执行每次词向量扩展时，确定所述扩展中心点的词向量与其他词向量之间的距离；

按照所述距离从小到达的顺序，依次确定第一预设数量的其他词向量为所述扩展中心点的扩展词向量，从而构建对应聚类簇的词汇紧密度规则。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

当任一词向量被确定为所述扩展词向量时，从所述聚类簇中删除对应词向量。

6.根据权利要求1所述的方法，其特征在于，在根据样本数据对应的至少一个词向量，对语义空间中的词向量进行聚类处理之前，所述方法还包括：

采用正则规则库对所述样本数据进行过滤，获取过滤到的样本数据；

采用分词算法，将所述过滤到的样本数据转换成至少一个词汇；

将所述至少一个词汇中满足预设词性条件的词汇映射到所述语义空间，得到所述样本数据对应的至少一个词向量。

7.根据权利要求1所述的方法，其特征在于，所述根据样本数据对应的至少一个词向量，对语义空间中的词向量进行聚类处理，得到至少一个聚类簇，包括：

以所述样本数据对应的至少一个词向量为聚类中心点，对所述语义空间中的词向量进行聚类处理，得到至少一个第一聚类簇；

当所述第一聚类簇的第一数量等于预设数量阈值时，将所述第一聚类簇确定为所述至少一个聚类簇。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

当所述第一数量小于所述预设数量阈值时，确定所述聚类处理过程中的孤立词向量；

以所述孤立词向量为聚类中心点，对所述语义空间中的词向量进行聚类处理，得到至少一个第二聚类簇；所述第二聚类簇的第二数量与所述第一数量之和等于所述预设数量阈值；

将所述第一聚类簇和所述第二聚类簇，确定为所述至少一个聚类簇。

9.一种数据处理装置，其特征在于，所述装置包括：

聚类处理单元，用于根据样本数据对应的至少一个词向量，对语义空间中的词向量进行聚类处理，得到至少一个聚类簇；

词向量扩展单元，用于对每一聚类簇进行逐步分层次的词向量扩展，构建对应聚类簇的词汇紧密度规则；其中，每层词向量扩展均带有衰减因子，且越到外层的词向量扩展对应的衰减因子越强；

识别处理单元，用于采用所述词汇紧密度规则对待检测数据中的敏感信息进行检测。