[发明专利]一种违禁信息的检测方法及装置

说明书

本申请互联网技术，特别涉及一种违禁信息的检测方法及装置用于提高违禁信息检测的准确率和效率，该方法为：采用分词操作的方式，从待检测的产品对应的至少两类描述信息中提出待检测分词集合，再基于至少一个待检测分词的出现次数，确定上述至少两类描述信息包含违禁信息的概率达到设定门限值时，判定上述至少两类描述信息中包含有违禁信息。这样，可以准确地重现待检测分词，从而有效防止产品提供方将违禁信息分割后隐藏在不同处，大大提高了检测准确性，同时，可以有效缩减检测复杂度以及检测计算量，进而显著地提高了检测效率。

技术领域

本申请互联网技术，特别涉及一种违禁信息的检测方法及装置。

背景技术

随着电子商务技术的发展，电子商务网站所提供的各类商品日益丰富，相应地，用户也越来越习惯于在电子商务网站中搜索、购买自身需要的产品。

然而，在电子商务网站中，为了赚取更多利润，有些供应商会冒险销售违禁品，如，枪支，药品、毒品等等。同时，为了规避电子商务网站的违禁品检索功能，供应商往往会在产品标题中采用隐晦方式描述产品，如，将枪支描述为“玩具-枪”，将药品描述为“治疗品”等等。

针对上述情况，相关技术下，网站服务器通常采用关键词匹配方式进行违禁品检测。然而，采用关键词匹配方式，检测准确率及检测效率很低，这是由于供应商可以随时更换新的描述词汇，从而需要浪费大量的人力进行关键词提取和筛选，大大降低了检测效率，并且由于关键词的提取和筛选具有一定地滞后性，往往无法准确及时地检测到违禁品。

发明内容

本申请的目的是提供一种违禁信息的检测方法，用于提高违禁信息检测的准确率和效率。

本申请实施例提供的技术方案如下：

一种违禁信息的检测方法，包括：

确定待检测的产品，并获取对应该产品设置的至少两类描述信息；

按照设定方式对获得的至少两类描述信息包含的文字进行分词操作，获得待检测分词集合；

基于所述待检测分词集合包含的至少一个待检测分词的出现次数，计算所述待检测分词集合包含违禁信息的概率；

确定所述概率达到设定门限值时，判定所述至少两类描述信息中包含有违禁信息。

可选的，在获得所述至少两类描述信息之后，在进行分词划分之前，进一步包括：

基于预设的文本转换条件，对获得的至少两类描述信息进行文本预处理。

可选的，所述文本预处理包含以下操作中的任意一种或任意组合：

将获得的至少两类描述信息中所有的大写字母转换为小写字母；

将获得的至少两类描述信息中所有的全角字符转换为半角字符；

将获得的至少两类描述信息中所有的繁体文字转换为简体文字；

将获得的至少两类描述信息中的指定特殊字符去除；

将获得的至少两类描述信息中的指定词汇去除。

可选的，按照设定方式对获得的至少两类描述信息包含的文字进行分词操作，获得待检测分词集合，包括：

按照预设的不同粒度，对获得的所述至少两类描述信息中包含的文字进行分词划分，获得划分分词集合，其中，所述粒度表征分词划分时采用的断句方式；

将从至少两类描述信息中划分获得的分词进行任意组合，获得组合分词集合；

将所述划分分词集合和所述组合分词集合进行汇总，获得待检测分词集合。