[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，通过五笔字码表的反向求解获取检测文本每个字符的五笔编码；根据预设的五笔编码规则计算检测文本每个字符的五笔编码与预设的敏感词每个字符五笔编码之间的字符编辑距离；若计算获知检测文本和敏感词之间存在字符编辑距离满足预设条件的形近字符，以及字符编辑距离等于0的相同字符，则根据形近字符个数、相同字符个数、以及敏感词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，则确定检测文本为伪装敏感词，将检测文本进行过滤。由此，可以检测出通过形近字伪装的敏感词，提高了敏感词检测的准确度和全面性。

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一件与看法的重要手段。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过滤，但是这种方式的敏感词过滤通常会存在一个最大的问题就是这种程序的过滤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。尤其是在敏感词中将某一个字用形近字替换时，无法对变种敏感词进行识别。

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，可以检测出通过形近字伪装的敏感词，提高了敏感词检测的准确度和全面性。

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，通过五笔字码表的反向求解获取所述检测文本每个字符的五笔编码；根据预设的五笔编码规则计算所述检测文本每个字符的五笔编码与预设的敏感词每个字符五笔编码之间的字符编辑距离；若计算获知所述检测文本和所述敏感词之间存在字符编辑距离满足预设条件的形近字符，以及字符编辑距离等于0的相同字符，则根据所述形近字符个数、所述相同字符个数、以及所述敏感词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伪装敏感词，将所述检测文本进行过滤。

本申请实施的敏感词检测过滤方法，获取检测文本，通过五笔字码表的反向求解获取检测文本每个字符的五笔编码，根据预设的五笔编码规则计算检测文本每个字符的五笔编码与预设的敏感词每个字符五笔编码之间的字符编辑距离，进而，若计算获知检测文本和敏感词之间存在字符编辑距离满足预设条件的形近字符，以及字符编辑距离等于0的相同字符，则根据形近字符个数、相同字符个数、以及敏感词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，则确定检测文本为伪装敏感词，将检测文本进行过滤。由此，可以检测出通过形近字伪装的敏感词，提高了敏感词检测的准确度和全面性。

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，所述根据预设的五笔编码规则计算所述检测文本每个字符的五笔编码与预设的敏感词每个字符五笔编码之间的字符编辑距离，包括：在所述检测文本中的第一字符五笔编码中删除任一码字元素，比较获知与所述敏感词中的第二字符五笔编码相同，则确定所述第一字符与所述第二字符为字符编辑距离满足预设条件的形近字符。