(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 202210951701.8 (22)申请日 2022.08.09 (71)申请人 中国平安人寿保险股份有限公司 地址 518000 广东省深圳市福田区福田街 道益田路5033号平安金融中心14、 15、 16、 37、 41、 4 4、 45、 46、 54、 58、 59层 (72)发明人 马亿凯　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 尹长斌 (51)Int.Cl. G06V 30/262(2022.01) G06V 30/41(2022.01) G06F 40/30(2020.01) G06F 40/284(2020.01)G06F 40/242(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 9/451(2018.01) (54)发明名称 基于OCR和NLP的软件内容分析方法、 装置、 存储介质 (57)摘要 本申请公开了一种基于OCR和NLP的软件内 容分析方法、 装置、 计算机 可读存储介质， 方法包 括： 第一进 程运行时， 获取预设的进程白名单， 白 名单记载有多个第二进程， 第一进程具有第二进 程的监控权 限； 当检测到屏幕点击信号， 将当前 页面所显示的内容所对应的进程确定为目标进 程； 当目标进程归属于第二进程， 通过第一进程 截取待监控图像； 将待监控图像输入至第一进 程， 通过第一进程的OCR模型进行文字识别， 得到 目标字符； 将目标字符输入至第一进程的NLP模 型进行语义识别， 得到内容分析结果。 本申请通 过第一进程的OCR模型和NLP模型对待监控图像 进行分析得到内容分析结果， 以实现对软件进程 的页面展示内容进行风险评估， 进而提升互联网 软件的用户体验感。 权利要求书2页 说明书12页 附图4页 CN 115294583 A 2022.11.04 CN 115294583 A 1.一种基于OCR和N LP的软件内容分析 方法， 其特 征在于， 包括： 在第一进程处于运行状态下， 获取预设的进程 白名单， 所述 白名单记载有多个第二进 程， 所述第一进程具有所述第二进程的监控权限； 当检测到屏幕点击信号， 将当前页面所显示的内容所对应的进程确定为目标进程； 当所述目标进程归属于所述第二进程， 通过所述第一进程截取待监控图像， 所述待监 控图像为当前的页面图像； 将所述待监控图像输入至所述第一进程， 通过预设于所述第一进程的OCR模型进行文 字识别， 得到目标字符； 将所述目标字符输入至预设于所述第一进程的NLP模型进行语义识别， 得到内容分析 结果。 2.根据权利 要求1所述的方法， 其特征在于， 所述OCR模型包括卷积循环神经网络CRNN， 所述CRNN包括依次连接的卷积神经网络CNN、 长 短期记忆网络LSTM和转录层； 所述将所述待 监控图像输入至所述第一进程， 通过预设于所述第一进程的OCR模型进 行文字识别， 得到目 标字符， 包括： 通过所述CNN对待监控图像进行图像特 征提取， 得到图像特 征； 通过所述LSTM对所述图像特 征进行序列特 征提取， 得到多个序列特 征； 将多个所述序列特征输入至所述转录层进行序列预测转换， 得到目标序列标签， 并将 所述目标序列标签确定为所述目标字符。 3.根据权利要求2所述的方法， 其特征在于， 所述将多个所述序列特征输入至所述转录 层进行序列预测转换， 得到目标序列标签， 包括： 根据预设的CTC算法计算各个所述序列特 征的序列标签预测概 率； 确定第一序列标签， 所述第 一序列标签为各个所述序列 特征的数值最大的所述标签预 测概率对应的序列标签； 将各个所述第一序列标签进行 数据合并处 理， 得到所述目标序列标签。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述目标字符输入至预设于所述第 一进程的N LP模型进行语义识别， 得到内容分析 结果， 包括： 获取预设的候选词典， 所述候选词典包括多个候选关键词， 各个所述候选关键词对应 有风险评分值， 其中， 所述 候选关键词表征包 含风险内容的关键词； 根据所述目标字符从多个所述 候选关键词中确定目标关键词； 将全部的所述目标关键词输入至所述 NLP模型， 得到关键词分析 结果； 根据全部的所述关键词分析 结果确定所述内容分析 结果。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述目标字符从多个所述候选关 键词中确定目标关键词， 包括： 根据预设的正向最大匹配算法对目标字符进行字符切分处理， 得到至少两个待 匹配字 符； 计算各个所述待匹配字符与各个所述 候选关键词之间的欧氏距离； 当所述欧氏距离小与 预设阈值， 将与所述欧氏距离对应的所述候选关键词确定为所述 目标关键词。 6.根据权利要求4所述的方法， 其特征在于， 所述内容分析结果包括内容风险评估值，权　利　要　求　书 1/2 页 2 CN 115294583 A 2所述根据全部的所述关键词分析 结果确定所述内容分析 结果， 包括： 从所述关键词分析结果中获取目标评分值和目标数量， 其中， 所述目标评分值为所述 目标关键词对应的风险评分值， 所述目标 数量为相同的所述目标关键词的数量； 计算所述目标评分值与所述目标 数量的乘积， 得到所述内容 风险评估值。 7.根据权利要求6所述的方法， 其特征在于， 在将所述目标字符输入至预设于所述第 一 进程的NLP模型进行语义识别， 得到内容分析 结果之后， 所述方法还 包括： 当所述内容风险评估值大于预设的内容风险阈值， 确定所述目标进程对应的进程属性 信息， 并根据所述进程属 性信息、 所述内容风险评估值和与所述内容风险评估值对应的目 标关键词生成风险提 示信息； 确定目标 软件对应的用户信息， 所述目标 软件为与所述目标进程对应的软件； 从所述用户信息中获取 预先设定的联系号码信息； 根据所述联系号码信息发送所述 风险提示信息。 8.一种基于OCR和N LP的软件内容分析装置， 其特 征在于， 包括： 进程白名单获取模块， 所述进程 白名单获取模块用于在第一进程处于运行状态下， 获 取预设的进程白名单， 所述白名单记载有多个第二进程， 所述第一进程具有所述第二进程 的监控权限； 目标进程确定模块， 所述目标进程确定模块用于当检测到屏幕点击信号， 将当前页面 所显示的内容所对应的进程确定为目标进程； 待监控图像获取模块， 所述待监控图像获取模块用于当所述目标进程归属于所述第 二 进程， 通过 所述第一进程截取待监控图像， 所述待监控图像为当前的页面图像； 目标字符获取模块， 所述目标字符获取模块用于将所述待监控图像输入至所述第 一进 程， 通过预设于所述第一进程的OCR模型进行文字识别， 得到目标字符； 内容分析结果获取模块， 所述内容分析结果获取模块用于将所述目标字符输入至预设 于所述第一进程的N LP模型进行语义识别， 得到内容分析 结果。 9.一种基于OCR和NLP的软件内容分析装置， 包括： 存储器、 处理器及存储在存储器上并 可在处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如 权利要求1至7中任意 一项所述的基于OCR和N LP的软件内容分析 方法。 10.一种计算机可读存储介质， 存储有计算机可执行指令， 所述计算机可执行指令用于 执行如权利要求1至7中任意 一项所述的基于OCR和N LP的软件内容分析 方法。权　利　要　求　书 2/2 页 3 CN 115294583 A 3