获取去标识化项目的数量?

Question

我正在尝试从Google DLP Java库中的去标识化结果中报告去标识化单词/字符串的确切数量。我在响应中使用它：

DeidentifyContentResponse response = dlpClient.deidentifyContent(request);
// Sum up the redactions
List<TransformationSummary> summaries =
response.getOverview().getTransformationSummariesList();
int redactionCount = 0;
if (!isEmpty(summaries)) {
redactionCount = summaries.stream()
.mapToInt(TransformationSummary::getResultsCount)
.sum();
}

我将输入作为表格发送，其中每个输入字符串都是一行，无论其中有多少个单词/列。 编辑计数似乎与我的预期基本匹配，但在某些情况下，计数似乎已关闭。例如，当我使用上面显示的代码时，输入Steve Jobs会产生 redactionCount 为 3。我猜原因是它匹配多个 InfoType。就我而言，我的 InfoType 列表中有FIRST_NAME、LAST_NAME和PERSON_NAME，所以我猜我得到一个匹配的名字，另一个匹配的姓氏，第三个匹配的"人名"。我正在寻找的基本上是有多少单词被编辑/去识别化。即我希望redactionCount结果为 == 2。有没有更好/更简单的方法？

Answer 1

你是对的，从本质上讲，转换摘要是转换的数量，而不是转换的单词数，但你在这里指出的也是我向团队提交的错误。

对于错误中的一些透明度和细节，问题是它没有正确处理重叠结果的情况。我们可以解决这个问题...与此同时，如果您从请求中删除PERSON_NAME，您将获得您所寻求的行为。

(值得注意的是，即使修复了重叠的错误，如果您要求person_name而不是其他两个，您最终也会得到一个转换。当然，名字有可能跨越多个单词，因此目前不会总是为您提供字数。