[发明专利]敏感文本识别方法、装置、介质和计算机设备

权利要求书

1.一种敏感文本识别方法，其特征在于，包括：

判断待识别文本中是否包含生僻字；

若包含生僻字，则查询预设生僻字转换表确定所述生僻字对应的常用字；

将所述待识别文本中的生僻字替换为与其对应的常用字，生成待识别的替换文本；

对所述替换文本进行敏感文本识别处理，得到所述替换文本的识别处理结果；

根据所述识别处理结果判断所述待识别文本是否为敏感文本。

2.如权利要求1所述的敏感文本识别方法，其特征在于，

所述判断待识别文本中是否包含生僻字，包括；

检测待识别文本中是否包含敏感词汇；

若包含敏感词汇，则确定所述待识别文本为敏感文本；

若不包含敏感词汇，则判断待识别文本中是否包含生僻字。

3.如权利要求1所述的敏感文本识别方法，其特征在于，

所述判断待识别文本中是否包含生僻字，包括：

获取待识别文本，确定所述待识别文本的词性序列信息及其对应的出现概率；

若所述出现概率低于预设阈值，则判断所述待识别文本中是否包含生僻字。

4.如权利要求1所述的敏感文本识别方法，其特征在于，

所述对所述替换文本进行敏感文本识别处理，得到所述替换文本的识别处理结果，包括：

查询预设词性数据库确定所述替换文本对应的词性序列信息；

使用训练好的词性序列处理模型对所述词性序列信息进行处理，得到所述词性序列信息对应的出现概率；

将所述出现概率作为所述替换文本的识别处理结果。

5.如权利要求4所述的敏感文本识别方法，其特征在于，

所述查询预设词性数据库确定所述替换文本对应的词性序列信息，包括：

对所述替换文本进行分词处理，得到若干个词汇；

查询预设词性数据库确定所述若干个词汇各自对应的词性信息；

按照所述若干个词汇在所述替换文本中的位置信息，对所述若干个词汇各自对应的词性信息进行排列，得到所述替换文本对应的词性序列信息。

6.如权利要求4所述的敏感文本识别方法，其特征在于，

所述根据所述识别处理结果判断所述待识别文本是否为敏感文本，包括：

若所述出现概率不低于预设概率阈值，则确定所述待识别文本不是敏感文本；

若所述出现概率低于预设概率阈值，则确定所述待识别文本是敏感文本。

7.如权利要求1所述的敏感文本识别方法，其特征在于，

所述查询预设生僻字转换表确定所述生僻字对应的常用字，包括：

确定所述待识别文本对应的业务场景标识；

查询与所述业务场景标识对应的预设生僻字转换表，确定所述生僻字对应的常用字。

8.一种敏感文本识别装置，其特征在于，包括：

生僻字判断模块，用于判断待识别文本中是否包含生僻字；

常用字查询模块，用于当待识别文本中包含生僻字时，查询预设生僻字转换表确定所述生僻字对应的常用字；

替换文本生成模块，用于将所述待识别文本中的生僻字替换为与其对应的常用字，生成待识别的替换文本；

识别处理模块，用于对所述替换文本进行敏感文本识别处理，得到所述替换文本的识别处理结果；

敏感文本判断模块，用于根据所述识别处理结果判断所述待识别文本是否为敏感文本。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的敏感文本识别方法。

10.一种计算机设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一项所述的敏感文本识别方法。