基于智能决策的侵权处理方法、装置、设备及介质

技术领域

本申请涉及智能决策技术领域，尤其基于智能决策的侵权处理方法、装置、设备及介质。

背景技术

在知识产权体系中，有一个维权项目叫做不正当竞争，是指经营者以及其他有关市场参与者采取违反公平、诚实信用等公认的商业道德的手段去争取交易机会或者破坏他人的竞争优势，损害消费者和其他经营者的合法权益，扰乱社会经济秩序的行为。

现在互联网技术如此发达，很多网络上的不正当竞争和侵权行为如果没有人发现或提起，是很难进行维权的。目前主要是通过简单的图像匹配或文本匹配来进行不正当竞争和侵权行为的认定，而这一般也是在不正当竞争和侵权行为出现后才执行的操作。可见，上述过程使得对不正当竞争和侵权行为的发现不够及时。并且，通过这种简单的图像匹配或文本匹配得到的结果，对针对不正当竞争和侵权行为的维权过程的数据可参考性较低。

发明内容

本申请实施例提供了一种基于智能决策的侵权处理方法、装置、设备及介质，可以及时发现不正当竞争和侵权行为，并可以通过维权判定信息提升针对不正当竞争和侵权行为的维权过程的数据可参考性。

第一方面，本申请实施例提供了一种基于智能决策的侵权处理方法，包括：

获取第一企业的第一企业信息以及第二企业的第二企业信息；

从所述第一企业信息中提取用于侵权判定的第一关键信息，并从所述第二企业信息中提取用于侵权判定的第二关键信息；

比对所述第一关键信息以及所述第二关键信息，得到比对结果，并根据所述比对结果确定初步的侵权判定结果；

搜索与第一企业相关且与第二企业相关的文章片段；

对所述文章片段进行情感分类并进行文章性质分类，得到分类结果，所述分类结果包括情感类别以及文章性质类别；

根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息。

可选的，所述第一企业信息包括第一企业的商标，所述从所述第一企业信息中提取用于侵权判定的第一关键信息，包括：

获取所述第一企业的商标包括的文本内容；

调用词过滤模型识别所述文本内容中出现的通用词，并对所述文本内容中出现的通用词进行过滤处理，得到所述第一企业的商标的关键词；所述词过滤模型包括根据通用词库设置的过滤规则；

将所述第一企业的商标的关键词确定为第一关键信息。

可选的，所述第一企业信息包括所述第一企业的企业名称，所述从所述第一企业信息中提取用于侵权判定的第一关键信息，包括：

调用字号提取模型提取所述第一企业的企业名称包括的企业字号；所述字号提取模型包括根据企业字号设置的提取规则；

将所述第一企业的企业名称包括的企业字号确定为第一关键信息。

可选的，所述获取第二企业的第二企业信息，包括：

根据第一企业的目标企业信息以及基于企业信息设置的过滤规则对企业信息库进行过滤处理，得到第一企业信息集合，所述企业信息库包括多个企业信息，所述第一企业信息集合包括至少一个首字与所述目标企业信息的首字相同的企业信息；

根据所述目标企业信息确定所述第一企业的经营范围；

根据所述第一企业的经营范围以及基于经营范围设置的过滤规则对所述第一企业信息集合进行过滤处理，得到第二企业信息集合，所述第二企业信息集合包括经营范围与所述第一企业一致的第二企业的企业信息。

可选的，所述方法还包括：

对所述文本片段进行命名实体识别，得到目标命名实体；

所述根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息，包括：

根据所述初步的侵权判定结果、所述目标命名实体以及所述分类结果，生成维权参考信息。

可选的，所述方法还包括：

从所述文章片段抽取目标三元组，所述目标三元组由第一企业的实体、第二企业的实体以及所述第一企业和所述第二企业间的第一关联关系构成；

根据企业知识图谱以及所述目标三元组获取对所述第一关联关系的真伪验证结果；

所述根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息，包括：

根据所述初步的侵权判定结果、所述分类结果以及对所述第一关联关系的真伪验证结果，生成维权参考信息。

可选的，所述方法还包括：

从所述文章片段中抽取目标事件信息；

从所述企业知识图谱中提取事件信息集合，所述事件信息集合包括所述第一企业关联的第一事件信息以及所述第二企业关联的第二事件信息；

查询所述事件信息集合是否包括所述目标事件信息，并根据查询结果获得对所述目标事件信息的真伪验证结果；

所述根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息，包括：

根据所述初步的侵权判定结果、所述分类结果以及对所述目标事件信息的真伪验证结果，生成维权参考信息。

第二方面，本申请实施例提供了一种基于智能决策的侵权处理装置，包括：

获取模块，用于获取第一企业的第一企业信息以及第二企业的第二企业信息；

提取模块，用于从所述第一企业信息中提取用于侵权判定的第一关键信息，并从所述第二企业信息中提取用于侵权判定的第二关键信息；

比对模块，用于比对所述第一关键信息以及所述第二关键信息，得到比对结果，并根据所述比对结果确定初步的侵权判定结果；

搜索模块，用于搜索与第一企业相关且与第二企业相关的文章片段；

分类模块，用于对所述文章片段进行情感分类并进行文章性质分类，得到分类结果，所述分类结果包括情感类别以及文章性质类别；

信息生成模块，用于根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息。

第三方面，本申请实施例提供了一种计算机设备，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如第一方面所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述的方法。

综上所述，计算机设备可以获取第一企业的第一企业信息以及第二企业的第二企业信息，并从第一企业信息中提取用于侵权判定的第一关键信息，并从第二企业信息中提取用于侵权判定的第二关键信息；计算机设备比对第一关键信息以及第二关键信息，得到比对结果，并根据比对结果确定初步的侵权判定结果；计算机设备搜索与第一企业相关且与第二企业相关的文章片段，并对文章片段进行情感分类并进行文章性质分类，得到分类结果，分类结果包括情感类别以及文章性质类别；计算机设备根据初步的侵权判定结果以及分类结果，生成维权参考信息；相较于现有技术在不正当竞争和侵权行为出现后才执行简单的文本匹配或图像匹配的操作，本申请可以及时发现不正当竞争和侵权行为以便积极维权，并且本申请获得的维权判定信息能够提升针对不正当竞争和侵权行为的维权过程的数据可参考性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种基于智能决策的侵权处理方法的流程示意图；

图2是本申请再一实施例提供的一种基于智能决策的侵权处理方法的流程示意图；

图3是本申请实施例提供的一种基于智能决策的侵权处理装置的结构示意图；

图4是本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

请参阅图1，为本申请实施例提供的一种基于智能决策的侵权处理方法的流程示意图。该方法可以应用于计算机设备。计算机设备可以为服务器或智能终端。服务器可以为单独的服务器或服务器集群，智能终端可以为台式电脑、笔记本电脑等智能终端。具体地，该方法包括以下步骤：

S101、获取第一企业的第一企业信息以及第二企业的第二企业信息。

其中，第一企业信息可以包括以下至少一项：第一企业的商标、第一企业的企业名称，第一企业的企业简称、第一企业的企业字号。第一企业可以为维权方。第二企业信息可以包括以下至少一项：第二企业的商标、第二企业的企业名称，第二企业的企业简称、第二企业的企业字号。第二企业可以为疑似侵权方。

在一个实施例中，计算机设备可以接收终端设备发送的第一企业的企业信息以及第二企业的企业信息。在一个应用场景中，计算机设备可以通过终端设备获取企业信息界面，终端用户可以基于企业信息界面输入第一企业的企业信息和第二企业的企业信息，终端设备可以获取到第一企业的企业信息以及第二企业的企业信息，并在点击确认按钮后，将第一企业的企业信息以及第二企业的企业信息发送至计算机设备。

S102、从所述第一企业信息中提取用于侵权判定的第一关键信息，并从所述第二企业信息中提取用于侵权判定的第二关键信息。

S103、比对所述第一关键信息以及所述第二关键信息，得到比对结果，并根据所述比对结果确定初步的侵权判定结果。

在步骤S102-S103中，计算机设备可以从第一企业信息中提取用于侵权判定的第一关键信息，并从第二企业信息中提取用于侵权判定的第二关键信息。计算机设备通过比对第一关键信息以及第二关键信息，可以得到比对结果，并可以根据比对结果确定初步的侵权判定结果。其中，第一关键信息，为从第一企业信息中提取用于侵权判定的关键信息。第二关键信息，为从第二企业信息中提取用于侵权判定的关键信息。初步的侵权判定结果可以为指示第二企业信息是否侵权第一企业信息的结果。

下面对从所述第一企业信息中提取用于侵权判定的第一关键信息的几种方式进行阐述。

在一个实施例中，当第一企业信息包括第一企业的商标时，计算机设备从第一企业信息中提取用于侵权判定的第一关键信息的方式为：计算机设备获取第一企业的商标包括的文本内容，并调用词过滤模型识别文本内容中出现的通用词，并对文本内容中出现的通用词进行过滤处理，得到第一企业的商标的关键词，从而将第一企业的商标的关键词作为第一关键信息。也就是说，第一关键信息可以为通过词过滤模型得到的第一企业的商标的关键词。其中，词过滤模型可以包括根据通用词库设置的过滤规则。在一个实施例中，计算机设备可以获取第一企业的商标包括的文本内容的方式可以为：计算机设备采用文本识别算法是被第一企业的商标包括的文本内容。在一个实施例中，计算机设备调用词过滤模型识别文本内容中出现的通用词的方式可以为：计算机设备调用词过滤模型将文本内容中的各个词与通用词库进行匹配，以确定出文本内容中出现的通用词，所述的通用词库包括多个通用词。其中，过滤处理可以理解为删除处理。

在一个实施例中，当第一企业信息包括第一企业的商标时，计算机设备从第一企业信息中提取用于侵权判定的第一关键信息的方式可以为：计算机设备采用图像特征描述法对第一企业的商标包括的图像进行特征描述，得到第一商标包括的图像的关键图像信息，并将关键图像信息确定为第一关键信息。在一个实施例中，当图像特征描述算法包括形状特征描述算法时，计算机设备可以采用形状特征描述法对第一商标包括的图像进行特征描述，得到第一企业的商标包括的图像的形状特征，并将所述形状特征确定为第一关键信息。

在一个实施例中，第一关键信息可以包括第一企业的商标的关键词和/或第一企业的商标的关键图像信息。

在一个实施例中，当第一企业信息包括第一企业的企业名称时，计算机设备从第一企业信息中提取用于侵权判定的第一关键信息的方式可以如下：计算机设备调用字号提取模型提取第一企业的企业名称包括的企业字号，并将第一企业的企业名称包括的企业字号确定为第一关键信息。字号提取模型包括根据企业字号设置的提取规则。在实际的应用场景中，该过程可以适用于第一关键信息不包括第一企业的企业字号的场景。由于企业名称一般由四部分组成：行政区划+字号+行业(经营特点)+组织形式，计算机设备可以根据此组成结构，构建对应的正则表达式以作为基于企业字号的提取规则，该基于企业字号的提取规则可以用于截取企业名称中行政区划(比如：北京市)和行业(比如：软件)之间的部分，这部分就是企业字号。例如第一企业的名称为上海xx科技公司，计算机设备通过调用字号提取模型，可以从上海xx科技公司截取到xx，并将xx确定为第一关键信息。

需要说明的是，从第二企业信息中提取用于侵权判定的第二关键信息的方式可以参见从第一企业信息中提取用于侵权判定的第一关键信息的方式，在此不做赘述。

下面对比对所述第一关键信息以及所述第二关键信息，得到比对结果的几种方式进行阐述。

在一个实施例中，在第一关键信息包括第一企业的商标的关键词且第二关键信息包括第二企业的商标的关键词时，或在第一关键信息包括第一企业的企业字号且第二关键信息包括第二企业的企业字号时，计算机设备比对第一关键信息以及第二关键信息的方法可以包括以下中的至少一项：基于字音字形的比对方法、基于文字含义的比对方法以及基于文字重合程度的比对方法。

在一个实施例中，在比对第一关键信息和第二关键信息的方法包括基于文字含义的比对方法时，计算机设备比对第一关键信息以及第二关键信息，得到比对结果的过程具体为：计算机设备基于通用词汇同义特征的图谱查询第一关键信息关联的多个信息，并查询第一关键信息关联的多个信息是否包括第二关键信息，在第一关键信息关联的多个信息包括第二关键信息时，确定第一关键信息与第二关键信息相似，得到指示第一关键信息与第二关键信息相似的第一比对结果。之后，便可以根据第一比对结果得到指示第一企业信息疑似侵权第二企业信息的初步的侵权判定结果。其中，通用词汇同义特征的图谱可以包括多个词节点，每个词节点连接了与该词节点指示的词同义的词所在的词节点。

在一个实施例中，在第一关键信息包括第一企业的商标的关键图像信息且第二关键信息包括第二企业的商标的关键图像信息时，计算机设备比对第一关键信息以及第二关键信息，得到比对结果的过程具体为：计算机设备可以计算第一企业的商标的关键图像信息与第二企业的商标的关键图像信息之间的相似度，并在相似度大于等于预设值时，确定第一关键信息与第二关键信息相似，得到指示第一关键信息与第二关键信息相似的第二比对结果。这种方法适用于商标不含文字，或商标含文字和图像时，虽然文字不同，但商标包括的图像的形状等较为相似的情况。之后，便可以得到指示第而企业信息疑似侵权第一企业信息的初步的侵权判定结果。

在一个实施例中，在第一关键信息包括第一企业的商标的关键词以及第一企业的商标的关键图像信息，且第二关键信息包括第二企业的商标的关键词以及第二企业的商标的关键图像信息时，计算机设备比对第一关键信息以及第二关键信息，得到比对结果的过程具体为：计算机设备基于通用词汇同义特征的图谱查询第一关键信息关联的多个信息，并查询第一关键信息关联的多个信息是否包括第二关键信息，在第一关键信息关联的多个信息包括第二关键信息时，确定第一关键信息与第二关键信息相似，得到指示第一关键信息与第二关键信息相似的第一比对结果；计算第一企业的商标的关键图像信息与第二企业的商标的关键图像信息之间的相似度，并在相似度大于等于预设值时，确定第一关键信息与第二关键信息相似，得到指示第一关键信息与第二关键信息相似的第二比对结果。之后，便可以根据第一比对结果以及第二比对结果得到指示第二企业信息侵权第一企业信息的初步的侵权判定结果。

S104、搜索与第一企业相关且与第二企业相关的文章片段。

本申请实施例中，计算机设备可以在互联网实时同步的数据(如新闻数据)中，利用通用搜索引擎搜索与第一企业信息相关且与第二企业信息相关的文章片段。需要说明的是，除了可以基于互联网实时同步的数据进行搜索之外，还是基于其它方式获取到的数据(如新闻数据)进行搜索，在此不做限制。

在一个实施例中，为了能够快速的搜索出与第一企业信息相关且与第二企业信息相关的文章片段，计算机设备可以利用通用搜索引擎根据同步的数据的结构化信息搜索出与第一企业信息相关且与第二企业信息相关的文章片段。在一个实施例中，计算机设备可以利用通用搜索引擎提取同步的数据的结构化信息，并从同步的数据中确定出结构化信息为第一企业信息和第二企业信息的文章片段，作为与第一企业相关且与第二企业相关的文章片段。其中，结构化信息可以为文章标题和文章作者等可能自带企业信息的结构化信息。

S105、对所述文章片段进行情感分类并进行文章性质分类，得到分类结果，所述分类结果包括情感类别以及文章性质类别。

其中，情感类别可以为负面或正面，文章性质类别可以为宣传性质或非宣传性质。负面表示文章片段有可能是造谣或诋毁维权方等对维权方企业形象产生不良影响的文章片段。宣传性质表示文章片段用于广告宣传等商业活动中。宣传性质表明侵权可能性较大，这是因为较大可能虚假的对外宣称与知名商品或服务的经营者具有许可使用、关联企业等特定联系。例如，文章作者与第二企业信息相关，文章标题与第一企业信息相关，文章片段为侵权方未经维权方许可，却使用维权方的第一企业信息做广告宣传的文章片段。在这种情况下，计算机设备可以通过执行步骤S105确定该文章片段为宣传性质。

在一个实施例中，计算机设备可以利用文本分类模型对文章片段进行情感分类以及文章性质分类，得到分类结果。

在一个实施例中，文本分类模型可以是预训练的用于情感分类以及文章性质分类的第一BERT(Bidirectional Encoder Representations from Transformers)模型。在一个实施例中，由于初始的BERT模型只支持多级分类(每个样本只有一个标签)，因此可以对初始的BERT模型做以下改动，使其转换为可以支持多标签分类(每个样本可以有多个标签)的第一BERT模型。具体地，可以将初始的BERT模型的分类函数由oftmax()函数调整为一个或多个sigmoid()函数，以用于多标签分类。此外，还可以将初始的BERT模型的损失函数由-tf.reduce_sum(one_hot_labels*log_probs,axis＝-1)改为tf.nn.sigmoid_cross_entropy_with_logits(labels＝labels，logits＝logits)。在针对初始的BERT模型调整了分类函数以及损失函数后，可以得到第一BERT模型。

在一个实施例中，文本分类模型还可以包括预训练的用于情感分类的长短期记忆模型以及预训练的用于文章性质分类的长短期记忆模型。所述的长短期记忆模型还可以替换为其它可以实现上述功能的神经网络模型，在此不做赘述。相较于这一种多标签分类方式，前一种多标签分类方式可以有效的避免出现分类矛盾的问题。

S106、根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息。

本申请实施例中，计算机设备可以生成包括初步的侵权判断结果以及分类结果的维权参考信息。该维权参考信息可以作为用于分析知识产权相关的不正当竞争行为的线索，和/或还可以用于作为用于获取最终的侵权判定结果的线索。之后，计算机设备还可以通过不正当竞争检索系统以根据维权参考信息获得对不正当竞争的判断结果和/或获取最终的侵权判定结果。。

在一个实施例中，计算机设备还可以对文本片段进行命名实体识别，得到目标命名实体。目标命名实体可以包括文章作者、第一企业信息相关的关键词以及第二企业信息相关的关键词等。在一个实施例中，计算机设备根据初步的侵权判定结果以及分类结果、生成侵权判定信息的过程可以为：计算机设备根据初步的侵权判定结果、目标命名实体以及分类结果，生成维权参考信息。此处，计算机设备可以生成包括初步的侵权判定结果、目标命名实体以及分类结果的侵权判定信息。

在一个实施例中，计算机设备可以利用命名实体识别模型对所述的文章片段进行命名实体识别，得到目标命名实体。此命名实体识别模型可以是为预训练的用于命名实体识别的第二BERT模型。目标命名实体能够用于判断是否侵权。例如，计算机设备可以通过命名实体识别模型对文字片段A进行命名实体识别，得到目标命名实体。假设目标命名实体为：xxxx平安健康xxx。虽然目标命名实体包含“平安”的商标的名称，但这个“平安健康”中的“平安”并非是公司的意思，因而不构成侵权。假设目标命名实体为：xxx平安公司xxx，这个目标命名实体包含的“平安”，就是作为公司使用的，因而有侵权的可能性。

可见，图1所示的实施例中，计算机设备可以获取第一企业的第一企业信息以及第二企业的第二企业信息，并从第一企业信息中提取用于侵权判定的第一关键信息，并从第二企业信息中提取用于侵权判定的第二关键信息；计算机设备比对第一关键信息以及第二关键信息，得到比对结果，并根据比对结果确定初步的侵权判定结果；计算机设备搜索与第一企业相关且与第二企业相关的文章片段，并对文章片段进行情感分类并进行文章性质分类，得到分类结果；计算机设备根据初步的侵权判定结果以及分类结果，生成维权参考信息；相较于目前很多网络上的不正当竞争和侵权行为如果没有人发现或提起，是很难进行维权的过程，本申请可以及时发现不正当竞争和侵权行为以便积极维权，并且本申请获得的维权判定信息能够提升针对不正当竞争和侵权行为的维权过程的数据可参考性。

请参阅图2，为本申请再一实施例提供的一种基于智能决策的侵权处理方法的流程示意图。该方法可以应用于计算机设备。计算机设备可以为服务器或智能终端。服务器可以为单独的服务器或服务器集群，智能终端可以为台式电脑、笔记本电脑等智能终端。具体地，该方法包括以下步骤：

S201、获取第一企业的第一企业信息以及第二企业的第二企业信息。

S202、从所述第一企业信息中提取用于侵权判定的第一关键信息，并从所述第二企业信息中提取用于侵权判定的第二关键信息。

S203、比对所述第一关键信息以及所述第二关键信息，得到比对结果，并根据所述比对结果确定初步的侵权判定结果。

S204、搜索与第一企业相关且与第二企业相关的文章片段。

S205、对所述文章片段进行情感分类并进行文章性质分类，得到分类结果，所述分类结果包括情感类别以及文章性质类别。

其中，步骤S201-S205可以参见图1实施例中的步骤S101-S105，在此不做赘述。

S206、从所述文章片段抽取目标三元组，所述目标三元组由第一企业的实体、第二企业的实体以及所述第一企业和所述第二企业间的第一关联关系构成。

本申请实施例中，计算机设备可以利用三元组抽取模型抽取所述的文章片段中的目标三元组，所述目标三元组由第一企业、第二企业以及第一企业和第二企业的第一关联关系构成。此三元组抽取模型可以为预训练的用于三元组抽取的第三BERT模型。

在一个实施例中，计算机设备利用三元组抽取模型抽取所述的文章片段中的目标三元组的方式可以为：计算机设备通过所述的三元组抽取模型提取所述的文章片段的语义特征，并提取文章片段的第一企业的实体的特征、第二企业的实体的特征；计算机设备根据提取的语义特征、第一企业的实体的特征以及第二企业的实体的特征确定第一企业与第二企业之间的第一关联关系。进而得到由第一企业的实体、第二企业的实体以及第一关联关系构成的目标三元组。

S207、根据企业知识图谱以及所述目标三元组获取对所述第一关联关系的真伪验证结果。

其中，企业知识图谱可以包括多个企业节点以及多个企业节点之间的关联关系(该关联关系如可以是某种类型的合作关系)。一般来讲，关联关系为假的，较大可能性侵权。在一个实施例中，企业知识图谱中的每个企业节点还可以连接有事件节点等节点。

本申请实施例中，计算机设备基于企业知识图谱以及目标三元组获取所述第一关联关系的真伪验证结果的方式可以为：计算机设备基于企业知识图谱查询出第一企业关联的至少一个企业，判断至少一个企业中是否包括第二企业，在至少一个企业包括第二企业时，从企业知识图谱中提取第一企业和第二企业之间的第二关联关系，验证第一企业关系和第二企业关系是否一致，若一致，则得到指示第一关联关系为真的真伪验证结果，若不一致，则确定第一关联关系为假的真伪验证结果。一般来讲，关系为假，较大可能性侵权。本申请实施例可以通过基于企业知识图谱的查找方式来快速定位关系的真伪程度。

S208、根据所述初步的侵权判定结果、所述分类结果以及对所述第一关联关系的真伪验证结果，生成维权参考信息。

本申请实施例中，计算机设备可以生成包括初步的侵权判断结果、分类结果以及对所述第一关联关系的维权参考信息。该维权参考信息可以作为用于分析知识产权相关的不正当竞争行为的线索，和/或还可以用于作为用于获取最终的侵权判定结果的线索。之后，计算机设备还可以通过不正当竞争检索系统以根据维权参考信息获得对不正当竞争的判断结果和/或获取最终的侵权判定结果。

在一个实施例中，计算机设备还可以从文章片段中抽取目标事件信息，并从企业知识图谱中提取事件信息集合，事件信息集合包括第一企业关联的第一事件信息以及第二企业关联的第二事件信息，进而查询事件信息集合是否包括目标事件信息，并根据查询结果获得对目标事件信息的真伪验证结果。其中，第一事件信息指第一企业关联的事件信息，第二事件信息指第二企业关联的事件信息。在一个实施例中，若查询结果指示事件信息集合包括目标事件信息，则得到指示目标事件信息为真的真伪验证结果，若查询结果指示事件信息不包括目标事件信息，则得到指示目标事件信息为假的真伪验证结果。一般来讲，事件为假，较大可能性侵权。本申请实施例可以通过基于企业知识图谱的查找方式来快速定位事件的真伪程度。相应地，计算机设备根据初步的侵权判定结果以及分类结果，生成维权参考信息的过程可以为：计算机设备根据初步的侵权判定结果、分类结果以及对目标事件信息的真伪验证结果，生成维权参考信息。具体地，计算机设备可以生成包括初步的侵权判定结果、分类结果以及对目标事件信息的真伪验证结果的侵权判定信息。

在一个实施例中，计算机设备生成的侵权判定结果可以包括初步的侵权判定结果、目标命名实体、分类结果、对第一关联关系的真伪验证结果，或生成的侵权判定结果还可以包括初步的侵权判定结果、目标命名实体、分类结果、对第一关联关系的真伪验证结果、对目标事件信息的真伪验证结果。

在一个实施例中，计算机设备获取第一企业的第一企业信息的方式还可以为：计算机设备获取第一企业的企业信息集合，企业信息集合包括多个企业信息；计算机设备从多个企业信息中筛选出第一企业信息。在一个实施例中，计算机设备从多个企业信息中筛选出第一企业信息的方式可以为：计算机设备从多个企业信息中筛选出为语言为中文的至少一个企业信息，并从至少一个企业信息中筛选出属于目标类别的企业信息作为第一企业信息。例如，多个企业信息包括第一数量个商标，计算机设备可从第一数量个商标中筛选出为中文的至少一个商标，然后从这至少一个商标中筛选出属于目标类别的商标作为第一商标。在一个实施例中，目标类别可以为以下任一项或多项：商品商标、服务商标、集体商标、证明商标。该目标类别除了采用这个根据商标使用对象的划分方式得到类别，还可以为采用根据其它划分方式得到的类别，在此不做赘述。进一步的，在目标类别为多个，每个目标类别不同时，属于目标类别的商标指属于多个目标类别中每个目标类别的商标。在一个实施例中，计算机设备可以通过终端设备输出通用搜索引擎提供的搜索界面，以便终端设备基于所述搜索界面提交企业信息集合。

在一个实施例中，计算机设备获取第二企业的第二企业信息的方式可以如下：计算机设备根据第一企业的目标企业信息以及基于企业信息设置的过滤规则对企业信息库进行过滤处理，得到第一企业信息集合，所述企业信息库包括多个企业信息，所述第一企业信息集合包括至少一个首字与所述目标企业信息的首字相同的企业信息；计算机设备根据所述目标企业信息确定所述第一企业的经营范围，并根据所述第一企业的经营范围以及基于经营范围设置的过滤规则对所述第一企业信息集合进行过滤处理，得到第二企业信息集合，所述第二企业信息集合包括经营范围与所述第一企业一致的第二企业的企业信息。其中，目标企业信息可以包括第一企业的字号或第一企业的简称。在一个实施例中，计算机设备还可以在此处结合基于企业白名单的过滤规则来进行企业信息的过滤，在此不做赘述。其中，企业过滤规则可以是由服务器通过通用搜索引擎来执行的。本申请实施例在通用搜索引擎的搜索技术的基础上增加企业过滤规则，可以有效缩减搜索的数量级，尤其是对于数千万级别的企业信息搜索。现有技术一般是通过通用搜索引擎进行搜索。如，对于通用搜索引擎Elasticsearch，其搜索原理主要是基于倒排索引技术，对中文的分词查询使用分词索引来加快搜索速度。但是这种搜索方式并不能满足对字音字形相近，含义相近，部分字符重合的商标和企业字号的查询需求。并且，多数商标和企业名称属于全新的创造性词汇，本身就不一定能正确的分词出来。因此采用基于通用搜索引擎的搜索技术是无法搜索到这类侵权方的，更不用说后面进行文字比对。因此，在实际的应用场景中，本申请实施例可以由相关人员基于通用搜索引擎提供的搜索页面配置企业过滤规则或基于计算机设备提供的前端页面配置企业过滤规则到服务器或数据库中。其中，企业过滤规则为以下至少一项：基于企业简称或企业字号的过滤规则、基于企业经营范围的过滤规则、基于企业白名单的过滤规则。其中，基于企业简称或企业字号的过滤规则，可过滤企业简称的首字或企业字号的首字与维权方不同的企业的注册信息。基于企业经营范围的过滤规则，可过滤经营范围与维权方不同的企业的注册信息。基于企业白名单的过滤规则，可过滤企业白名单中的企业的注册信息。

在一个实施例，本申请实施例涉及区块链技术，例如可以将维权参考信息写入区块链中，由于区块链的数据不易被篡改，可以很好的对这些信息进行存证。在一个实施例，本申请实施例所述的第一企业信息和/或第二企业信息话可以是从区块链中读取的，或还可以是通过区块链网络广播至计算机设备。在一个实施例中，所述第一企业信息，还可以是计算机设备从第一企业的节点设备(如可以是在区块链网络中的节点设备)获取的。所述第二企业信息，还可以是计算机设备从第二企业的节点设备(如可以是在区块链网络中的节点设备)获取的。

可见，图2所示的实施例中，计算机设备还可以对第一企业与第二企业之间的第一关联关系进行验证，并得到对第一关联关系的真伪判定结果；而后根据初步的侵权判定结果、分类结果以及对第一关联关系的真伪判定结果，生成维权参考信息，丰富了维权参考信息的维度，便于后续进行不正当竞争和侵权行为的分析。

请参阅图3，为本申请实施例提供的一种基于智能决策的侵权处理装置的结构示意图。该侵权处理装置可以应用于前述提及的计算机设备。具体地，该侵权处理装置可以包括：

获取模块301，用于获取第一企业的第一企业信息以及第二企业的第二企业信息。

提取模块302，用于从所述第一企业信息中提取用于侵权判定的第一关键信息，并从所述第二企业信息中提取用于侵权判定的第二关键信息。

比对模块303，用于比对所述第一关键信息以及所述第二关键信息，得到比对结果，并根据所述比对结果确定初步的侵权判定结果。

搜索模块304，用于搜索与第一企业相关且与第二企业相关的文章片段。

分类模块305，用于对所述文章片段进行情感分类并进行文章性质分类，得到分类结果，所述分类结果包括情感类别以及文章性质类别。

信息生成模块306，用于根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息。

在一种可选的实施方式中，所述第一企业信息包括第一企业的商标，提取模块302，具体用于：

调用词过滤模型识别所述文本内容中出现的通用词，并对所述文本内容中出现的通用词进行过滤处理，得到所述第一企业的商标的关键词；所述词过滤模型包括根据通用词库设置的过滤规则；

将所述第一企业的商标的关键词确定为第一关键信息。

在一种可选的实施方式中，所述第一企业信息包括所述第一企业的企业名称，提取模块302，具体用于：

调用字号提取模型提取所述第一企业的企业名称包括的企业字号；所述字号提取模型包括根据企业字号设置的提取规则；

将所述第一企业的企业名称包括的企业字号确定为第一关键信息。

在一种可选的实施方式中，获取模块301，具体用于：

根据第一企业的目标企业信息以及基于企业信息设置的过滤规则对企业信息库进行过滤处理，得到第一企业信息集合，所述企业信息库包括多个企业信息，所述第一企业信息集合包括至少一个首字与所述目标企业信息的首字相同的企业信息；

根据所述目标企业信息确定所述第一企业的经营范围；

根据所述第一企业的经营范围以及基于经营范围设置的过滤规则对所述第一企业信息集合进行过滤处理，得到第二企业信息集合，所述第二企业信息集合包括经营范围与所述第一企业一致的第二企业的企业信息。

在一个实施例中，所述侵权处理装置还包括实体识别模块307。

在一个实施例中，实体识别模块307，用于对所述文本片段进行命名实体识别，得到目标命名实体。

在一个实施例中，信息生成模块306，具体用于：

根据所述初步的侵权判定结果、所述目标命名实体以及所述分类结果，生成维权参考信息。

在一个实施例中，所述侵权处理装置还包括关系验证模块308。

在一个实施例中，关系验证模块308，具体用于：

从所述文章片段抽取目标三元组，所述目标三元组由第一企业的实体、第二企业的实体以及所述第一企业和所述第二企业间的第一关联关系构成；

根据企业知识图谱以及所述目标三元组获取对所述第一关联关系的真伪验证结果。

在一个实施例中，信息生成模块306，具体用于：

根据所述初步的侵权判定结果、所述分类结果以及对所述第一关联关系的真伪验证结果，生成维权参考信息。

在一个实施例中，所述侵权处理装置还包括事件验证模块309。

在一个实施例中，事件验证模块309，具体用于：

从所述文章片段中抽取目标事件信息；

从所述企业知识图谱中提取事件信息集合，所述事件信息集合包括所述第一企业关联的第一事件信息以及所述第二企业关联的第二事件信息；

查询所述事件信息集合是否包括所述目标事件信息，并根据查询结果获得对所述目标事件信息的真伪验证结果。

在一个实施例中，信息生成模块306，具体用于：

根据所述初步的侵权判定结果、所述分类结果以及对所述目标事件信息的真伪验证结果，生成维权参考信息。

可见，图3所示的实施例中，计算机设备可以获取第一企业的第一企业信息以及第二企业的第二企业信息，并从第一企业信息中提取用于侵权判定的第一关键信息，并从第二企业信息中提取用于侵权判定的第二关键信息；计算机设备比对第一关键信息以及第二关键信息，得到比对结果，并根据比对结果确定初步的侵权判定结果；计算机设备搜索与第一企业相关且与第二企业相关的文章片段，并对文章片段进行情感分类并进行文章性质分类，得到分类结果；计算机设备根据初步的侵权判定结果以及分类结果，生成维权参考信息，可以及时发现不正当竞争和侵权行为以便积极维权，并且本申请获得的维权判定信息能够提升针对不正当竞争和侵权行为的维权过程的数据可参考性。

请参阅图4，为本申请实施例提供的一种计算机设备的结构示意图。本实施例中所描述的计算机设备可以包括：一个或多个处理器1000和存储器2000。处理器1000、和存储器2000可以通过总线连接。

处理器1000可以是中央处理模块(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器2000可以是高速RAM存储器，也可为非不稳定的存储器(non-volatilememory)，例如磁盘存储器。其中，存储器2000用于存储计算机程序，所述计算机程序包括程序指令，处理器1000被配置用于调用所述程序指令，执行以下步骤：

获取第一企业的第一企业信息以及第二企业的第二企业信息；

从所述第一企业信息中提取用于侵权判定的第一关键信息，并从所述第二企业信息中提取用于侵权判定的第二关键信息；

比对所述第一关键信息以及所述第二关键信息，得到比对结果，并根据所述比对结果确定初步的侵权判定结果；

搜索与第一企业相关且与第二企业相关的文章片段；

对所述文章片段进行情感分类并进行文章性质分类，得到分类结果，所述分类结果包括情感类别以及文章性质类别；

根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息。

在一个实施例中，所述第一企业信息包括第一企业的商标，在从所述第一企业信息中提取用于侵权判定的第一关键信息时，处理器1000被配置用于调用所述程序指令，执行以下步骤：

获取所述第一企业的商标包括的文本内容；

调用词过滤模型识别所述文本内容中出现的通用词，并对所述文本内容中出现的通用词进行过滤处理，得到所述第一企业的商标的关键词；所述词过滤模型包括根据通用词库设置的过滤规则；

将所述第一企业的商标的关键词确定为第一关键信息。

在一个实施例中，所述第一企业信息包括所述第一企业的企业名称，在从所述第一企业信息中提取用于侵权判定的第一关键信息时，处理器1000被配置用于调用所述程序指令，执行以下步骤：

调用字号提取模型提取所述第一企业的企业名称包括的企业字号；所述字号提取模型包括根据企业字号设置的提取规则；

将所述第一企业的企业名称包括的企业字号确定为第一关键信息。

在一个实施例中，在获取第二企业的第二企业信息时，处理器1000被配置用于调用所述程序指令，执行以下步骤：

根据第一企业的目标企业信息以及基于企业信息设置的过滤规则对企业信息库进行过滤处理，得到第一企业信息集合，所述企业信息库包括多个企业信息，所述第一企业信息集合包括至少一个首字与所述目标企业信息的首字相同的企业信息；

根据所述目标企业信息确定所述第一企业的经营范围；

根据所述第一企业的经营范围以及基于经营范围设置的过滤规则对所述第一企业信息集合进行过滤处理，得到第二企业信息集合，所述第二企业信息集合包括经营范围与所述第一企业一致的第二企业的企业信息。

在一个实施例中，处理器1000被配置用于调用所述程序指令，还执行以下步骤：

对所述文本片段进行命名实体识别，得到目标命名实体。

在一个实施例中，在根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息时，处理器1000被配置用于调用所述程序指令，执行以下步骤：

根据所述初步的侵权判定结果、所述目标命名实体以及所述分类结果，生成维权参考信息。

在一个实施例中，处理器1000被配置用于调用所述程序指令，还执行以下步骤：

从所述文章片段抽取目标三元组，所述目标三元组由第一企业的实体、第二企业的实体以及所述第一企业和所述第二企业间的第一关联关系构成；

根据企业知识图谱以及所述目标三元组获取对所述第一关联关系的真伪验证结果；

在一个实施例中，在根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息时，处理器1000被配置用于调用所述程序指令，执行以下步骤：

根据所述初步的侵权判定结果、所述分类结果以及对所述第一关联关系的真伪验证结果，生成维权参考信息。

在一个实施例中，处理器1000被配置用于调用所述程序指令，还执行以下步骤：

从所述文章片段中抽取目标事件信息；

从所述企业知识图谱中提取事件信息集合，所述事件信息集合包括所述第一企业关联的第一事件信息以及所述第二企业关联的第二事件信息；

查询所述事件信息集合是否包括所述目标事件信息，并根据查询结果获得对所述目标事件信息的真伪验证结果；

在一个实施例中，在根据所述初步的侵权判定结果以及所述分类结果，生成维权参考信息时，处理器1000被配置用于调用所述程序指令，执行以下步骤：

根据所述初步的侵权判定结果、所述分类结果以及对所述目标事件信息的真伪验证结果，生成维权参考信息。

具体实现中，本申请实施例中所描述的处理器1000可执行图1实施例、图2实施例所描述的实现方式，也可执行本申请实施例所描述的实现方式，在此不再赘述。

在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以是两个或两个以上模块集成在一个模块中。上述集成的模块既可以采样硬件的形式实现，也可以采样软件功能模块的形式实现。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的计算机可读存储介质可为易失性的或非易失性的。例如，该计算机存储介质可以为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。所述的计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

其中，本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

以上所揭露的仅为本申请一种较佳实施例而已，当然不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于本申请所涵盖的范围。