(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 202111627853.4 (22)申请日 2021.12.28 (71)申请人 南方科技大 学 地址 518055 广东省深圳市南 山区学苑大 道1088号 (72)发明人 周宸宇　李琳琳　刘烨庞　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 李可 (51)Int.Cl. G06K 9/62(2022.01) G06F 16/335(2019.01) G06F 16/35(2019.01) G06F 16/55(2019.01) G06F 16/583(2019.01)G06V 10/764(2022.01) G06V 10/80(2022.01) G06N 20/00(2019.01) (54)发明名称 一种针对安卓中文应用市场 的自动内容分 级方法 (57)摘要 本发明公开了一种针对安卓中文应用市场 的自动内容分级方法， 所述方法包括： 获取应用 源数据； 其中， 所述应用源数据用于表征应用的 属性信息； 提取所述应用源数据的特征； 将所述 特征输入到已训练的融合分类模 型， 通过所述融 合分类模型输出预测类别概率集， 并根据所述预 测类别概率集得到分级结果。 本发 明通过提取多 维的应用源 数据的特征， 使 得提取的特征信息非 常丰富， 并将特征输入至已训练的融合分类模 型， 得到准确的预测类别概率集， 最终得到分级 结果， 能对安卓中文应用市场进行内容分级。 权利要求书2页 说明书10页 附图2页 CN 114492584 A 2022.05.13 CN 114492584 A 1.一种针对安卓中文应用市场的自动内容分级方法， 其特 征在于， 所述方法包括： 获取应用源数据； 其中， 所述应用源数据用于表征应用的属性信息； 提取所述应用源数据的特 征； 将所述特征输入到已训练的融合分类模型， 通过所述融合分类模型输出预测类别概率 集， 并根据所述预测类别概 率集得到分级结果。 2.根据权利要求1所述的针对安卓中文应用市场的自动内容分级方法， 其特征在于， 所 述提取所述应用源数据的特 征包括： 当所述应用源数据为文本时， 将所述文本输入至预设的词向量模型， 通过所述词向量 模型输出与所述文本对应的特 征； 当所述应用源数据为图像时， 对所述图像进行过滤， 并将过滤后的所述图像进行图像 特征抽取， 得到与所述图像对应的特 征。 3.根据权利要求1所述的针对安卓中文应用市场的自动内容分级方法， 其特征在于， 所 述融合分类模型的生成过程包括： 获取若干训练特 征类型； 其中， 每 个训练特 征类型包 含若干训练特 征数据； 针对每个训练特征类型， 获取若干初始分类模型， 并将每个训练特征类型中的若干训 练特征数据输入每个初始分类模型， 通过所述初始分类模型得到与所述训练特征类型对应 的若干模型准确率； 根据若干所述模型准确率， 得到与所述训练特 征类型对应的目标分类模型； 将若干所述训练特 征类型对应的目标分类模型进行融合， 得到融合分类模型。 4.根据权利要求3所述的针对安卓中文应用市场的自动内容分级方法， 其特征在于， 所 述将每个训练特征类型中的若干训练特征数据输入每个初始分类模型， 通过所述初始分类 模型得到与所述训练特 征类型对应的若干模型准确率包括： 获取每个训练特 征类型中的若干训练特 征数据的真实分级结果； 将若干训练特征数据输入每个初始分类模型， 得到每个训练特征类型中若干训练特征 数据对应的预测分级结果； 统计每个训练特征类型中的若干训练特征数据的真实分级结果和每个训练特征类型 中若干训练特征数据对应的预测分级 结果相同的个数， 得到每个训练特征类型经过每个初 始分类模型分类后的准确预测分类数目； 根据每个训练特征类型经过每个初始分类模型分类后的准确预测分类数目， 得到与 所 述训练特 征类型对应的若干模型准确率。 5.根据权利要求4所述的针对安卓中文应用市场的自动内容分级方法， 其特征在于， 所 述根据每个训练特征类型经过每个初始分类模 型分类后的准确预测分类数目， 得到与所述 训练特征类型对应的若干模型准确率包括： 根据每个训练特征类型经过每个初始分类模型分类后的准确预测分类数目， 得到每个 训练特征类型经过每个初始分类模型分类后准确率； 根据每个训练特征类型经过每个初始分类模型分类后 准确率， 得到与 所述训练特征类 型对应的若干模型准确率。 6.根据权利要求5所述的针对安卓中文应用市场的自动内容分级方法， 其特征在于， 所 述根据每个训练特征类型经过每个初始分类模 型分类后的准确预测分类数目， 得到每个训权　利　要　求　书 1/2 页 2 CN 114492584 A 2练特征类型经过每个初始分类模型分类后准确率包括： 获取每个训练特 征类型中训练特 征数据的总数； 将每个训练特征类型经过每个初始分类模型分类后的准确预测分类数目除以每个训 练特征类型中训练特征数据的总数， 得到每个训练特征类型经过每个初始分类模型分类后 准确率。 7.根据权利要求3所述的针对安卓中文应用市场的自动内容分级方法， 其特征在于， 所 述根据若干所述模型准确率， 得到与所述训练特 征类型对应的目标分类模型包括： 从若干所述模型准确率中选取最大的模型准确率； 将最大的模型准确率对应的初始分类模型作为与所述训练特征类型对应的目标分类 模型。 8.根据权利要求3所述的针对安卓中文应用市场的自动内容分级方法， 其特征在于， 所 述将若干所述训练特 征类型对应的目标分类模型进行融合， 得到融合分类模型包括： 基于预设的算法， 将若干所述训练特征类型对应的目标分类模型进行累加， 得到融合 分类模型。 9.一种智能终端， 其特征在于， 包括有存储器， 以及一个或者一个以上的程序， 其中一 个或者一个以上程序存储于存储器中， 且经配置以由一个或者一个以上处理器执行所述一 个或者一个以上程序包 含用于执 行如权利要求1 ‑8中任意一项所述的方法。 10.一种非临时性计算机可读存储介质， 其特征在于， 当所述存储介质中的指令由电子 设备的处 理器执行时， 使得电子设备能够执 行如权利要求1 ‑8中任意一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114492584 A 3