Resumen

En el campo del procesamiento del lenguaje natural (PLN), la tarea de detección de información sensible se refiere al procedimiento de identificar palabras sensibles en documentos dados. La mayoría de los métodos de detección existentes se basan en el árbol de palabras sensibles, que generalmente se construye a través de los prefijos comunes de diferentes palabras sensibles en el corpus dado. Sin embargo, estos métodos tradicionales sufren de algunas desventajas, como una baja generalización y eficiencia. Con el propósito de mejora, este artículo propone un novedoso algoritmo de detección basado en auto-atención que utiliza la implementación de una red convolucional de grafos (GCN, por sus siglas en inglés). La principal contribución es doble. En primer lugar, consideramos un GCN ponderado para codificar mejor los pares de palabras de los documentos y corpus dados. En segundo lugar, se introduce un mecanismo de atención simple pero efectivo para integrar aún más la interacción entre las palabras candidatas y el corpus. Los resultados experimentales del conjunto de datos de referencia de noticias THUC dem

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Procesamiento de lenguaje natural; Detección de información sensible; árbol de palabras sensibles; Métodos de detección; Algoritmo basado en autoatención; Red convolucional de grafos
• Keywords:Natural language processing; Sensitive information detection; Sensitive-word tree; Detection methods; Self-attention-based algorithm; Graph convolutional network