(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210547921.4 (22)申请日 2022.05.20 (71)申请人 深圳市创意智慧港科技有限责任公 司 地址 518000 广东省深圳市福田区莲 花街 道景华社区商报路2号新媒体大厦9层 整层 (72)发明人 郑创伟　符捷雯　陈义飞　金勇　 谢志成　王泳　陈少彬　刑谷涛　 罗佩珊　 (74)专利代理 机构 深圳运赢知识产权代理事务 所(普通合伙) 44771 专利代理师 刘雯 (51)Int.Cl. G06K 9/62(2022.01)G06V 20/62(2022.01) G06V 30/148(2022.01) G06F 40/30(2020.01) G06F 40/289(2020.01) G06V 10/74(2022.01) (54)发明名称 互联网新闻 内容数据智能审核系统 (57)摘要 本发明涉及内容审核技术领域， 具体涉及互 联网新闻内容数据智能审核系统。 所述系统包 括： 分割单元， 配置用于将待审核的新闻内容数 据首先进行第一次语义分析， 以确立待审核的新 闻内容数据中的每个包含独立语义的段落， 进行 段落划分， 然后按照段落划分的结果进行分割， 得到多个分割内容； 关键字提取单元， 配置用于 对每个分割内容进行第二次语义 分析， 确立每个 分割内容的关键字。 本发明通过将待审核的新闻 内容进行语义分段， 然后转换为图像进行相似度 分析， 找到待审核新闻内容的关键字， 对这些关 键字进行敏感度分析， 以实现新闻内容数据审核 的智能化， 具有准确率高和效率高的优点。 权利要求书2页 说明书7页 附图2页 CN 114943285 A 2022.08.26 CN 114943285 A 1.互联网新闻内容数据智能审核系统， 其特征在于， 所述系统包括： 分割单元， 配置用 于将待审核的新闻内容数据首先进行第一次语义分析， 以确立待审核的新闻内容数据中的 每个包含独立语义的段落， 进 行段落划分， 然后按照段落划分的结果进 行分割， 得到多个分 割内容； 关键字提取单元， 配置用于对每个分割内容进 行第二次语义分析， 确立每个分割内 容的关键字； 图像检索单元， 配置用于基于确 立的关键字， 在因特网和/或数据库中检索包 含该关键字的至少 3幅图像， 作为相似图像； 图像相似度判定单元， 配置用于将分割内容转 换为对应的识别对 象图像， 将识别对 象图像分别与每一幅相似图像进行相似度分析， 将得 到的相似度进 行加和， 得到第一相似度， 再将相似图像彼此之 间进行相似度分析， 将得到的 相似度进 行加和， 得到第二相似度， 若第一相似度超过设定的第一阈值， 以及第二相似度超 过设定的第二阈值， 则保留相似图像； 内容权重计算单元， 配置用于对保留的相似图像中每 一幅相似图像进行基于关键字的权重计算， 计算每个关键字在相似图像中的权重占比， 再 结合每个关键字和权重占比， 进行归一化关键字计算， 得到每个分割内容的关键字权重结 果； 判定单元， 配置用于基于关键字权重结果， 根据设定的敏感内容数据库， 进行敏感度计 算， 根据计算出的敏感度与预设的判定区间进行比较， 以判断审核是否通过。 2.如权利要求1所述的系统， 其特征在于， 所述分割单元， 将待审核的新闻内容数据首 先进行第一次语义分析， 以确立待审核的新闻内容数据中的每个包含独立语义的段落的方 法包括： 将待审核的新闻内容数据按照设定的分割区间设定的数值， 进 行第一次 随机分割， 得到多个随机分割 段， 在每一次分割时， 从随机分割区间中随机选取一个数值作为 随机分 割值进行分割； 所述随机分割 区间为： ； 对所述随机分割段分别进行词频统计计 算， 并计算所述随机 分割段中词频最大的N个共同词的概率密度； 基于所述随机 分割值的平 均值进行滑动， 通过改变随机分割值， 再计分别计算所述共同词的概率密度， 取所述概率密 度最大时， 确立 新闻内容数据中的每 个包含独立语义的段落。 3.如权利要求2所述的系统， 其特征在于， 所述共同词的概率密度的计算使用如下公 式： ； 其中， 为词频， 为每个随机分割段内的词的数量， 为调整系数， 取值范围为： 1~1.5， 为概率函数， ； 为自 变量， 其取值 等于进行随机分割的次数。 4.如权利要求3所述的系统， 其特征在于， 所述关键字提取单元对每个分割内容进行第 二次语义分析， 确立每个分割内容的关键字的方法包括： 对分割内容进 行单词分割、 去除标 点符号和数字； 统计每个单词在分割内容合中的频率， 选取频率大于 设定值的单词， 构成基 本单词集合； 对分割内容合进 行容错粗糙集的相关计算， 得到模糊隶属矩阵； 根据基本单词 集合， 过滤单词， 得到过滤后的分割内容合； 对每个过滤后的分割内容建立无向有权图， 并 根据迭代公式计算候选 关键字得分； 选择分割内容中关键字得分超过设定阈值的单词 作为 关键字。 5.如权利要求1所述的系统， 其特征在于， 所述图像相似度判定单元包括： 转换单元， 配 置用于将分割内容转换为对应的识别对 象图像； 第一相似度分析单元， 配置用于将识别对 象图像分别与每一幅相似图像进行相似度分析， 将得到的相似度进行加和， 得到第一相似权　利　要　求　书 1/2 页 2 CN 114943285 A 2度； 第二相似度分析单元， 配置用于将相似图像彼此之 间进行相似度分析， 将得到的相似度 进行加和， 得到第二相似度； 判定单元， 配置用于判断当第一相似度超过设定的第一阈值， 以及第二相似度超过设定的第二阈值， 则保留相似图像， 反 之， 则丢弃相似图像。 6.如权利要求5所述的系统， 其特征在于， 所述转换单元， 将分割内容转换为对应的识 别对象图像的方法包括： 将分割内容内的每个单词用向量进行表示， 然后将所有的向量共 同组成一个向量矩阵， 根据该向量矩阵， 生成图像的数字表达， 然后基于图像的数字表达生 成识别对象图像。 7.如权利要求6所述的系统， 其特征在于， 所述第 一相似度分析单元将识别对象图像分 别与每一幅相似图像进行相似度分析的方法包括： 基于图像散列函数生成识别对象图像与 相似图像相关联的大散列值， 所述大散列值具有第一维数； 基于所述大散列值和局部敏感 图像散列函数生成小散列值， 所述小散列值具有第二维数， 所述第二维数小于所述第一维 数； 计算所述小散列值的和 值与至少识别对 象图像关联的第一集群中心之间的距离， 将该 距离的倒数作为相似度值。 8.如权利要求7所述的系统， 其特征在于， 所述第二相似度分析单元， 将相似图像彼此 之间进行相似度分析的方法包括： 基于图像单向陷门函数函数生成相似图像彼此之 间相关 联的大单向陷门函数值， 所述大单向陷门函数值具有第一维数； 基于所述大单向陷门函数 值和局部敏感图像单向陷门函数函数生成小 单向陷门函数值， 所述小 单向陷门函数值具有 第二维数， 所述第二维数小于所述第一维数； 计算所述小单向陷门函数值的和值与至少识 别对象图像关联的第一 集群中心之间的距离， 将该距离的倒数作为相似度值。 9.如去阿尼要求1所述的系统， 其特征在于， 所述内容权重计算单元， 计算每个关键字 在相似图像中的权重占比的方法包括： 将每个关键字在相似图像中所占的图像区域与相似 图像整个图像区域的比值作为权 重占比。 10.如权利要求9所述的系统， 其特征在于， 所述判定单元， 基于关键字权重结果， 根据 设定的敏感内容数据库， 进行敏感度计算的方法包括： 对每个关键字权重结果与敏感数据 库中存储的模板字权重结果进行比对， 根据比对结果， 得到相似值， 将该相似值作为敏感 度。权　利　要　求　书 2/2 页 3 CN 114943285 A 3