[发明专利]文本识别方法、装置、及计算机设备

说明书

本说明书的实施例公开了一种文本识别方法，包括：获得待识别文本，其中，待识别文本包含N个字符；从待识别文本中，提取若干个字符串；每个字符串均为在待识别文本中连续出现的字符串，若干个字符串至少包括：N‑k+1个长度为k的字符串，k为预设的提取长度；针对待识别文本中任一个字符串i，在预先确定的样本概率中查询该字符串i对应的概率：在前L_i‑1个字符出现的条件下，字符串i出现的概率，L_i为字符串i的长度，2≤L_i≤k；计算各个字符串对应的概率之和，根据计算结果确定所述待识别文本是否异常。基于本说明书的实施例案，可以根据概率之和识别待识别文本是否异常，从而高效且准确地甄别异常文本，以免不法分子通过异常文本实现不法目的。

技术领域

本说明书实施例涉及文本识别技术领域，尤其涉及文本识别方法、装置、及计算机设备。

背景技术

为了实现不法目的，不法分子往往会注册大量的邮箱地址，用户名。由于需要用到很大数据量的文本，因此这些文本一般是通过计算机随机生成的。

为了防止不法目的的实现，需要一种方式对这些文本进行有效的甄别。

发明内容

针对上述技术问题，本说明书实施例提供文本识别方法、装置、及计算机设备。

根据本说明书实施例的第一方面，提供一种文本识别方法，该方法包括：

获得待识别文本，其中，所述待识别文本包含N个字符，N＞1；

从所述待识别文本中，提取若干个字符串；每个字符串均为在所述待识别文本中连续出现的字符串，所述若干个字符串至少包括：N-k+1个长度为k的字符串，k为预设的提取长度；

针对所述待识别文本中任一个字符串i，在预先确定的样本概率中查询该字符串i对应的概率：在前L_i-1个字符出现的条件下，字符串i出现的概率，L_i为字符串i的长度，2≤L_i≤k；

计算各个字符串对应的概率之和，根据计算结果确定所述待识别文本是否异常。

可选地，所述若干个字符串还包括：

k-2个字符串：第i个字符串由所述待识别文本中的前(i+1)个字符组成。

可选地，所述若干个字符串还包括：

所述待识别文本中第1个字符，其中，所述第一个字符对应的概率为所述第1个字符出现的概率。

可选地，所述样本概率通过以下方式预先确定：

采集多个样本文本；

针对任一个所述样本文本，从所述样本文本中，提取若干个字符串；每个字符串均为在所述样本文本中连续出现的字符串，所述若干个字符串至少包括：N-k+1个长度为k的字符串；

针对所述样本文本中任一个字符串j，计算该字符串j对应的样本概率：在前L_j-1个字符出现的条件下，字符串j出现的概率，L_j为字符串j的长度，2≤L_j≤k。

可选地，所述根据计算结果确定所述待识别文本是否异常包括：

计算所述概率之和与所述概率之和对应字符串的个数的商；

比较所述商与预设数值，若所述商小于所述预设数值，确定所述待识别文本异常。

可选地，所述预设数值通过以下方式预先确定：

计算各个字符串的样本概率之和与所述样本概率之和对应字符串的个数的商；

对所述多个样本文本对应的商从大到小排序；