[发明专利]一种隐私政策信息提取方法

权利要求书

1.一种隐私政策信息提取方法，其特征在于，包括以下步骤：

(1)隐私政策文本数据获取和隐私政策文本数据处理；首先通过编写网络爬虫收集隐私政策文本数据；将收集到的隐私政策文本数据作为原始的数据进行数据处理，即过滤得到非英文的隐私政策文本；去除重复的隐私政策文本；并借助自然语言处理技术转化为统一文本格式的隐私政策数据；

(2)将步骤(1)处理后得到的隐私政策数据经过深度学习的HAN、BERT模型进行段落分类和句子分类；

(3)根据步骤(2)得到的段落分类和句子分类的结果，使用自然语言处理技术将得到的段落分类内容切分为句子，并为每个句子中的单词采用BIOES进行标注，其中标注的信息为：收集用户的信息、收集用户信息的目的、用户存在哪些权力、与哪些第三方共享；最后获得实验所需的数据集；

(4)根据步骤(3)得到的数据集划分为训练集、测试集、验证集；将标注的信息数据转化为符合BiLSTM-CRF模型的输入格式，同时删除特殊字符和标签；创建隐私政策信息提取BiLSTM-CRF模型；至此对训练集中的标注的数据进行提取，得到最优预测模型；

(5)加载预训练的词向量，生成训练的单词向量矩阵；单词向量矩阵为embedding层的输入，经过BiLSTM层编码输出句子中每个单词中每一个标签的预测分值，选择标签分值最高的作为对应单词的标签；将对应单词的标签作为CRF层的输入，其中CRF层中为每一个句子中的每个单词标记标签。