[发明专利]一种风险文本识别方法和装置

权利要求书

1.一种风险文本识别方法，所述方法包括：

根据预设的风险算法计算文本中的表情符号特征，根据所述表情符号特征生成包含风险表情的风险识别规则；

获取待识别文本，将所述风险识别规则在待识别文本中进行匹配，若匹配成功，则将所述待识别文本判定为包含风险的文本，其中，所述根据预设的风险算法计算文本中的表情符号特征，将所述表情符号特征确定为包含风险表情的风险识别规则，包括：

获取黑文本集合与白文本集合，计算不同表情符号在所述黑文本集合与白文本集合中出现的频率差，其中，黑文本集合为包含多个风险文本的样本集合，白文本集合为包含多个无风险文本的样本集合；

将所述不同表情符号对应的频率差确定为频率差集合，将所述频率差集合中数值较大的频率差确定为符合条件的频率差，将所述符合条件的频率差对应的表情符号确定为风险表情；

将已确定的风险表情进行排列组合，根据排列组合结果生成包含风险表情的风险识别规则。

2.如权利要求1所述的方法，所述将所述频率差集合中数值较大的频率差确定为符合条件的频率差，包括：

将所述频率差集合中的频率差按数值大小从高到低进行排序，将排名高于第一预设值或频率差值大于第二预设值的频率差确定为符合条件的频率差。

3.如权利要求1所述的方法，所述将所述不同风险表情进行排列组合，根据排列组合结果生成包含风险表情的风险识别规则，包括：

将不同风险表情和/或不同风险关键词进行排列组合，根据排列组合结果生成包含风险表情的风险识别规则，所述风险关键词是根据预设的关键词风险识别规则识别出的。

4.如权利要求1所述的方法，所述根据排列组合结果生成包含风险表情的风险识别规则，包括：

根据排列组合结果生成包含风险表情的备选风险识别规则；

使用包含黑白文本的验证数据集对所述备选风险识别规则进行命中验证，将通过验证的备选风险识别规则确定为最终风险识别规则。

5.如权利要求4所述的方法，所述使用包含黑白文本的验证数据集对所述备选风险识别规则进行命中验证，将通过验证的备选风险识别规则确定为最终风险识别规则，包括：

使用包含黑白文本的验证数据集对所述备选风险识别规则进行命中验证，统计不同风险识别规则命中的黑/白文本数并计算其命中准确率；

判定命中准确率大于预设阈值的备选风险识别规则通过命中验证，并将其确定为最终风险识别规则。

6.一种风险文本识别装置，所述装置包括：

规则生成模块：用于根据预设的风险算法计算文本中的表情符号特征，根据所述表情符号特征生成包含风险表情的风险识别规则；

文本识别模块；用于获取待识别文本，将所述风险识别规则在待识别文本中进行匹配，若匹配成功，则将所述待识别文本判定为包含风险的文本，其中，所述根据预设的风险算法计算文本中的表情符号特征，将所述表情符号特征确定为包含风险表情的风险识别规则，包括：

获取黑文本集合与白文本集合，计算不同表情符号在所述黑文本集合与白文本集合中出现的频率差，其中，黑文本集合为包含多个风险文本的样本集合，白文本集合为包含多个无风险文本的样本集合；

将所述不同表情符号对应的频率差确定为频率差集合，将所述频率差集合中数值较大的频率差确定为符合条件的频率差，将所述符合条件的频率差对应的表情符号确定为风险表情；

将已确定的风险表情进行排列组合，根据排列组合结果生成包含风险表情的风险识别规则。

7.如权利要求6所述的装置，所述将所述频率差集合中数值较大的频率差确定为符合条件的频率差，包括：

将所述频率差集合中的频率差按频率差值从高到低进行排序，将排名高于第一预设值或频率差值大于第二预设值的频率差确定为符合条件的频率差。