[发明专利]一种面向文本信息的敏感词过滤方法

权利要求书

1.一种面向文本信息的敏感词过滤方法，其特征在于包括以下步骤：

(1)接收用户的文本信息，验证所述文本信息的数据格式是否正确，若数据格式验证不通过，则回到步骤(1)；若通过验证，则转至步骤(2)；

(2)对所述文本信息进行语义分析：从所述文本信息中取出一个词组，与语义分析库中的所有词组进行匹配，得到所述词组的词重；按照所述词重的级别对所述文本信息的所有词组重新排序，将没有匹配到的词组按照原格式返回，把匹配到的词组的前后面加上分隔符；然后将排序后的文本信息转换成数组格式，其中将文本信息转换成数组格式的步骤为：把每个词组的第一个字组成数组的键，把所述每个词组做成多维数组或者一维数组，所述每个词组的值为整个词组；

(3)对所述数组格式的文本信息进行敏感词过滤；如果有敏感词存在，将匹配出的敏感词返回给用户；如果不存在，返回给用户一个空信息。

2.如权利要求1所述的敏感词过滤方法，其特征在于，

所述步骤(1)中，所述文本信息采用可扩展标记语言XML的数据格式，包括用户ID、过滤内容和签名三个参数。

3.如权利要求1所述的敏感词过滤方法，其特征在于，

所述步骤(2)中，采用正则方式把文本信息转换成数组格式。

4.如权利要求3所述的敏感词过滤方法，其特征在于，

所述步骤(2)中，采用贪婪匹配算法对数组格式的文本信息进行匹配。

5.如权利要求1所述的敏感词过滤方法，其特征在于，

所述步骤(3)中，从做完语义分析后的文本信息中，取出第一个字的首字母，并初始化首字母对应的敏感词库，逐级检索是否存在敏感词。

6.如权利要求5所述的敏感词过滤方法，其特征在于，

所述敏感词库包括一级敏感词库、二级敏感词库、三级敏感词库；其中，

所述一级敏感词库、所述二级敏感词库、所述三级敏感词库中分别存有26个敏感词表，所述26个敏感词表以首字母为表名。

7.如权利要求1所述的敏感词过滤方法，其特征在于，

所述步骤(3)中，通过匹配过滤后的敏感词放到结果数组中保存。