随着互联网的快速发展和计算机技术的日益进步,数据成为现代社会的重要资源,人们通过收集、分析数据来获取价值。同时,对于数据中的敏感信息,隐私保护一直是人们关注的重点。与结构化数据较为完善的隐私保护体系不同,学者们对非结构文本数据的隐私保护研究较少。但这些文本数据中,可能包含着大量的个人隐私信息,人们在享受技术带来的便利时,同样面临着隐私泄露的风险。此外,在各国出台的隐私保护法规中,对企业收集用户数据的目的、传输与存储进行了严格的规定。因此,如何有效地处理文本中的隐私信息对文本数据后续的分析与分享尤为重要。然而,由于文本数据本身复杂的内部结构与包含着的大量语义信息,敏感数据的相关语义信息不能通过预定义的数据模型或模式进行结构化展示,使得敏感信息的脱敏方式一直没有得到深入的研究。现存的文本数据隐私保护方法中,仅仅处理敏感特征本身,将敏感特征进行替换或删除,然而,攻击者仍可以根据与敏感特征具有关联性的词语,来推断出隐私的部分信息。本文提出了一种基于语义相关性分析的文本数据隐私保护方法,除敏感特征本身外,同时考虑与敏感特征语义具有相关性的词语可能带来的隐私泄露风险。在本文中,与敏感特征具有语义关联性的词语被细分为特征关联词和结构关联词。其中,特征关联词是指,对敏感特征具有强烈的指示或暗示性的词汇。结构关联词则指与敏感特征在语义结构上具有相关性的词语。本文首次将自然语言处理中的句法结构分析应用到文本数据隐私保护领域,根据关键隐私所处句子的语义结构,确定句子各成分所代表的语义信息,从而进一步确定结构关联词。从文本隐私保护的目的出发,根据文本语义结构的特点,本文设计了两种隐私保护规则,即完全语义缺失处理和部分语义缺失处理。其中,完全语义缺失处理对应着脱敏程度更高的隐私保护,能够做到严格保护用户隐私,防止敏感特征的语义关联词泄露敏感信息;而部分语义缺失处理,能够做到在保护关键隐私的同时,保护隐私的语义内容,降低隐私保护结果对文本特征的影响。最后,本文分别用中文文本数据集和英文文本数据集验证了所提方法的有效性。其中,中文文本采用两类数据集,分别为清华大学自然语言处理组提供的THUCNews新闻文本分类数据集以及从中国法院网获取的中文法律案件数据集,英文文本数据集则是在Lexis Nexis数据库资源平台中由“U.S.Newspapers”发布的相关新闻。为了评价文本提出的两种隐私保护规则在语义上的体现以及对文本特征的影响,本文以只对敏感特征进行脱敏的隐私保护结果为对照,分别对以上每种数据集的三种隐私保护结果,进行语义相似度计算及文本分类实验。文中通过对实验结果的对比分析,证明了完全语义缺失处理在隐私保护力度上的优越性,以及部分语义缺失处理在文本特征保护上的优势。