(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 202210379289.7 (22)申请日 2022.04.12 (71)申请人 平安国际智慧城市科技股份有限公 司 地址 518000 广东省深圳市前海深港合作 区妈湾兴海 大道3048号前海自贸大厦 1-34层 (72)发明人 杨婉琪　 (74)专利代理 机构 北京市京大律师事务所 11321 专利代理师 姚维 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/289(2020.01) G06F 16/35(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 资讯健康度 的评估方法、 装置、 设备及存储 介质 (57)摘要 本发明涉及人工智能技术领域， 公开了一种 资讯健康度的评估方法、 装置、 设备及存储介质， 用于提高资讯健康度评估的准确度。 所述资讯健 康度的评估 方法包括： 对待评估主体的资讯信息 进行多元素的分类处理， 得到资讯信息对应的至 少一个原始元素类别信息； 对资讯信息进行单个 原始元素类别信息的情感倾向分类， 得到每个原 始元素类别信息对应的情感倾向分类概率， 并确 定至少一个目标元素类别信息， 对每个目标元素 类别信息对应的情感倾向分类概率进行资讯健 康度计算， 得到每个目标元素类别信息对应的元 素资讯健康度， 并确定待评估主体的综合资讯健 康度。 此外， 本发明还涉及区块链技术， 综合 资讯 健康度可存 储于区块链 节点中。 权利要求书3页 说明书14页 附图4页 CN 114757199 A 2022.07.15 CN 114757199 A 1.一种资 讯健康度的评估方法， 其特 征在于， 所述资 讯健康度的评估方法包括： 获取待评估主体的资 讯信息； 通过预先训练 的多元分类模型对所述资讯信 息进行多元素的分类处理， 得到所述资讯 信息对应的至少一个原 始元素类别信息； 基于所述资讯信 息对应的至少一个原始元素类别信 息， 对所述资讯信 息进行单个原始 元素类别信息的情感倾向分类， 得到每 个原始元素类别信息对应的情感倾向分类概 率； 通过每个原始元素类别信 息对应的情感倾向分类概率， 确定至少一个目标元素类别信 息， 并对每个目标元素类别信息对应的情感倾向分类概率进行资讯健康度计算， 得到每个 目标元素类别信息对应的元 素资讯健康度； 根据每个目标元素类别信 息对应的元素资讯健康度， 确定所述待评估主体的综合资讯 健康度。 2.根据权利要求1所述的资讯健康度的评估方法， 其特征在于， 所述多元分类模型包括 多个元素分别对应的标签分类模型， 所述通过预先训练的多 元分类模型对 所述资讯信息进 行多元素的分类处 理， 得到所述资 讯信息对应的至少一个原 始元素类别信息， 包括： 通过每个元素对应的标签分类模型对所述资讯信 息进行标签分类处理， 得到每个元素 对应的分类标签信息， 每个元素对应的分类标签信息用于指示所述资讯信息属于对应元素 的概率； 通过多个元素分别对应的分类标签信 息， 判断所述资讯信 息属于对应元素的概率是否 大于预置概 率阈值； 若所述资讯信 息属于对应元素的概率大于预置概率阈值， 则将对应元素确定为所述资 讯信息对应的原 始元素类别信息， 得到所述资 讯信息对应的至少一个原 始元素类别信息。 3.根据权利要求2所述的资讯健康度的评估方法， 其特征在于， 每个元素对应的标签分 类模型包括输入层、 卷积层、 池化层和 第一全连接层， 所述通过每个元素对应的标签分类模 型对所述资 讯信息进行 标签分类处 理， 得到每 个元素对应的分类标签信息， 包括： 通过每个元素对应的标签分类模型中的输入层对所述资讯信 息进行分词处理， 得到各 标签分类模型 的分词结果， 并对所述各标签分类模型 的分词结果进行向量化处理， 得到各 标签分类模型的稀疏矩阵； 通过各标签分类模型中的卷积层对各标签分类模型的稀疏矩阵进行元素特征提取， 得 到各标签分类模型的元 素特征信息； 通过各标签分类模型中的池化层对各标签分类模型的元素特征信 息进行定长处理， 得 到各标签分类模型的定 长特征信息； 通过各标签分类模型中的第一全连接层对各标签分类模型的定长特征信息进行标签 分类， 得到每 个元素对应的分类标签信息 。 4.根据权利要求1所述的资讯健康度的评估方法， 其特征在于， 所述基于所述资讯信 息 对应的至少一个原始元素类别信息， 对所述资讯信息进行单个原始元素类别信息的情感倾 向分类， 得到每 个原始元素类别信息对应的情感倾向分类概 率， 包括： 获取每个原始元素类别信 息对应的情感倾向分类模型， 每个原始元素类别信 息对应的 情感倾向分类模型包括知识蒸馏双向编码表征转换器和第二全连接层； 通过每个原始元素类别信息对应的情感倾向分类模型中的知识蒸馏双向编码表征转权　利　要　求　书 1/3 页 2 CN 114757199 A 2换器对所述资讯信息进行情感倾向特征提取， 得到每个原始元素类别信息的情感倾向特征 信息； 通过每个原始元素类别信息对应的情感倾向分类模型中的第二全连接层对所述情感 倾向特征信息进行情感倾向分类， 得到每 个原始元素类别信息对应的情感倾向分类概 率。 5.根据权利要求1所述的资讯健康度的评估方法， 其特征在于， 所述通过每个原始元素 类别信息对应的情感倾向分类概率， 确定至少一个目标元素类别信息， 并对每个目标元素 类别信息对应的情感倾向分类概率进 行资讯健康度计算， 得到每个目标元素类别信息对应 的元素资讯健康度， 包括： 将每个原始元素类别信息对应的情感倾向分类概率与预置情感倾向分类概率阈值进 行比对， 得到目标元素类别信息， 所述 目标元素类别信息用于指示情感倾向分类概率大于 所述预置情感倾向分类概 率阈值的原 始元素类别信息； 通过预置分值转换公式， 将所述目标元素类别信 息对应的情 感倾向分类概率转换为分 值数据， 得到每 个目标元素类别信息对应的元 素资讯健康度。 6.根据权利要求1所述的资讯健康度的评估方法， 其特征在于， 所述根据每个目标元素 类别信息对应的元 素资讯健康度， 确定所述待评估主体的综合资 讯健康度， 包括： 对所有元素类别信息进行个数统计， 得到元素总个数， 并通过所述元素总个数计算元 素总分； 对所有目标 元素类别信息对应的元 素资讯健康度进行总分计算， 得到元 素类别总分； 对所述元素类别总分和所述元素总分进行平均分计算， 得到待评估主体的综合资讯健 康度。 7.根据权利要求1 ‑6中任一项所述的资讯健康度的评估方法， 其特征在于， 所述获取待 评估主体的资 讯信息， 包括： 获取多个原 始资讯信息， 每 个原始资讯信息包括资 讯主体标签； 通过所述资讯主体标签， 对所述多个原始资讯信息进行资讯主体分类， 得到各资讯主 体标签对应的原始资讯信息， 并从各资讯主体标签对应的原始资讯信息中提取待评估主体 的资讯信息。 8.一种资 讯健康度的评估 装置， 其特 征在于， 所述资 讯健康度的评估 装置包括： 获取模块， 用于获取待评估主体的资 讯信息； 处理模块， 用于通过预先训练的多元分类模型对所述资讯信息进行多元素的分类处 理， 得到所述资 讯信息对应的至少一个原 始元素类别信息； 分类模块， 用于基于所述资讯信息对应的至少一个原始元素类别信息， 对所述资讯信 息进行单个原始元素类别信息的情感倾向分类， 得到每个原始元素类别信息对应的情感倾 向分类概 率； 计算模块， 用于通过每个原始元素类别信息对应的情感倾向分类概率， 确定至少一个 目标元素类别信息， 并对每个目标元素类别信息对应的情感倾向分类概率进 行资讯健康度 计算， 得到每 个目标元素类别信息对应的元 素资讯健康度； 确定模块， 用于根据每个目标元素类别信息对应的元素资讯健康度， 确定所述待评估 主体的综合资 讯健康度。 9.一种资讯健康度的评估设备， 其特征在于， 所述资讯健康度的评估设备包括： 存储器权　利　要　求　书 2/3 页 3 CN 114757199 A 3