欢迎来到本站！假设我正确理解了您的问题，我认为您可以实现一个工作模型。

如果我处于你的位置，我会：

1. 从文档中获取尽可能干净的数据。例如，您没有说明文档是否已经是简单文本，或者您是否需要执行 OCR 之类的操作。拥有尽可能干净的套装将是关键。
2. 确保您对敏感数据有一个一致的标记。您提到了四个点-所有实例都是这种情况吗？如果没有，请立即清理该数据
3. 您将需要执行标准的 NLP 清理工作，例如删除标点符号，但您可能希望也可能不希望保留停用词（这将是您模型测试的一部分）。此外，这是关键，100% 确定这四个点在您的标记化过程中被视为一个单独的工作 - 您应该能够在提交标记化文件之前验证这一点。
4. 我会拿走我所有的文件并创建 3 个单词的 ngram。然后，我将分离出包含敏感数据和非敏感数据的 ngram。从本质上讲，这将成为您的标记数据集，您应该相应地标记它们。
5. 我的基本模型将使用在 ngram 的第二个位置（三个单词的中间）包含敏感数据的所有条目。我会在此基础上训练一个神经网络，然后看看我能得到什么样的结果。请注意，您的四个点将不是输入，只有前后单词将是您的输入。你几乎可以把它当作一个二元分类模型——中间的词要么是敏感的，要么不是。
6. 我的模型的未来迭代可能会使用多分类方法，例如（1）没有敏感数据（2）敏感数据在第一位置（3）敏感数据在第二位置和（3）敏感数据在第三位置等等等等。
7. 从那里，你可以改变 ngram 的大小，因为直接的词可能会或可能不会对预测产生影响。你可以用这个疯狂到什么程度，直到你开始建模，你才会知道。

最后，当您使用新数据进入预测阶段时，您的整个项目会变得更加有趣。您将执行相同的操作并将文档分解为 ngram，并为每个 ngram 创建预测并输出结果。换句话说，你需要分解你的文档，然后转身重新构建它——这应该是一个有趣的脚本！祝你好运，让我们知道结果如何。