[发明专利]敏感词检测过滤方法、装置和计算机设备

说明书

本申请公开了一种敏感词检测过滤方法、装置和计算机设备，其中，方法包括：获取检测文本，获取检测文本每个字符的拼音；将检测文本首字符拼音与预设的敏感词数据结构中的索引入口拼音节点进行比较；若比较获知存在与首字符拼音相同的入口拼音节点，则将检测文本首字符拼音之后的剩余字符拼音按照顺序依次与入口拼音节点对应的敏感拼音节点进行比较；若比较获知存在与剩余字符拼音相同的敏感拼音节点，则根据拼音相同的敏感拼音节点个数和检测文本字符总数判断检测文本是否满足预设的敏感词条件阈值；若判断获知满足敏感词条件阈值，则确定检测文本为变形敏感词。由此，实现了对变形敏感词的识别，提高了敏感词检测的速度和准确性。

技术领域

本申请涉及字符检测技术领域，尤其涉及一种敏感词检测过滤方法、装置和计算机设备。

背景技术

随着互联网的发展，和web2.0时代的到来，对事件发表评论是每个网民应得的权利，也是网民在对一些事件、新闻等文章表达自己意见与看法的重要手段。但是为了保证网上环境的健康等，通常会通过一些途径监管网民对一些文章的评论，对于一些敏感词语以及虚假信息做一些过滤等相关信息。

相关技术中，通过敏感词表的形式机械的对词表中出现的词进行检测，但是这种方式的敏感词检测通常会存在一个最大的问题就是这种程序的检测敏感词的能力完全取决于词表中包含的相关词数量，一些变种敏感词如果未列在词表中，则无法被检测到，比如，一些不良网民通常会通过一些特殊符号或者字母等代替敏感词中某个字，从而导致敏感词无法被检测到。

申请内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种敏感词检测过滤方法，实现了对变形敏感词的识别，提高了敏感词检测的速度和准确性。

本申请的第二个目的在于提出一种敏感词检测过滤装置。

本申请的第三个目的在于提出一种计算机设备。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质。

为了实现上述目的，本申请第一方面实施例提出了一种敏感词检测过滤方法，包括：获取检测文本，获取所述检测文本每个字符的拼音；将所述检测文本首字符拼音与预设的敏感词数据结构中的索引入口拼音节点进行比较；若比较获知存在与所述首字符拼音相同的入口拼音节点，则将所述检测文本首字符拼音之后的剩余字符拼音按照顺序依次与所述入口拼音节点对应的敏感拼音节点进行比较；若比较获知存在与所述剩余字符拼音相同的敏感拼音节点，则根据拼音相同的敏感拼音节点个数和所述检测文本字符总数判断所述检测文本是否满足预设的敏感词条件阈值；若判断获知满足所述敏感词条件阈值，则确定所述检测文本为变形敏感词。

本申请实施的敏感词检测过滤方法，获取检测文本，获取检测文本每个字符的拼音，将检测文本首字符拼音与预设的敏感词数据结构中的索引入口拼音节点进行比较，若比较获知存在与首字符拼音相同的入口拼音节点，则将检测文本首字符拼音之后的剩余字符拼音按照顺序依次与入口拼音节点对应的敏感拼音节点进行比较，进而，若比较获知存在与剩余字符拼音相同的敏感拼音节点，则根据拼音相同的敏感拼音节点个数和检测文本字符总数判断检测文本是否满足预设的敏感词条件阈值，最终若判断获知满足敏感词条件阈值，则确定检测文本为变形敏感词。由此，实现了对变形敏感词的识别，提高了敏感词检测的速度和准确性。

另外，根据本申请上述实施例的敏感词检测过滤方法，还具有如下附加的技术特征：

在本申请一个实施例中，所述根据拼音相同的敏感拼音节点个数和所述检测文本字符总数判断所述检测文本是否满足预设的敏感词条件阈值，包括：计算所述拼音相同的敏感拼音节点个数与所述检测文本字符总数的比值；判断所述比值是否满足预设的与所述敏感词字符总数对应的敏感词条件阈值，若判断获知满足所述敏感词条件阈值，则确定所述检测文本为变形敏感词。