[发明专利]一种风险内容变种的识别方法、装置及电子设备

说明书

本说明书公开了一种风险内容变种的识别方法、装置及电子设备，该方法包括：分别对风险文本和检索文本进行分词，获得风险文本的第一分词集合和检索文本的第二分词集合；计算获得第一分词集合与第二分词集合之间的jaccard系数；根据所述jaccard系数和所述检索文本的文本长度，计算获得风险文本和检索文本之间的相似度；根据计算获得的相似度对检索文本进行风险内容变种识别获得识别结果，即通过jaccard系数和文本长度来优化挖掘相似文本，实现风险内容变种的识别。

技术领域

本说明书涉及软件技术领域，特别涉及一种风险内容变种的识别方法、装置及电子设备。

背景技术

随着移动互联网的兴起，电商、社区平台、短视频、直播等产品蓬勃发展，庞大的用户群体贡献了大量优质的UGC(User Generated Content，用户生成内容)内容。与此同时，恶意用户伺机而动，不断制造出海量的垃圾广告、露骨评论、诈骗信息等，互联网产品和广大用户深受其害。为了保障产品的健康发展以及用户的良好体验，我们需要对垃圾广告、露骨评论、诈骗信息等风险内容进行识别并拦截。针对已知风险内容可以通过关键词、模型进行识别，针对风险内容的变种由于其文本结构、内容均发生了改变，模型和关键词识别并不奏效，亟需一种新的识别方法，来识别风险内容的变种。

发明内容

本说明书实施例提供一种风险内容变种的识别方法、装置及电子设备，用于提高风险内容变种识别的识别效率和准确性。

第一方面，本说明书实施例提供一种风险内容变种的识别方法，包括：

对风险文本进行分词获得第一分词集合，以及对检索文本进行分词获得第二分词集合；

计算获得所述第一分词集合与所述第二分词集合之间的jaccard系数；

根据所述jaccard系数和所述检索文本的文本长度，计算获得所述风险文本和所述检索文本之间的相似度；

根据所述相似度对所述检索文本进行风险内容变种识别，获得识别结果。

第二方面，本实施例提供一种风险内容变种的识别装置，包括：

分词单元，对风险文本进行分词获得第一分词集合，以及对检索文本进行分词获得第二分词集合；

计算单元，用于计算获得所述第一分词集合与所述第二分词集合之间的jaccard系数；根据所述jaccard系数和所述检索文本的文本长度，计算获得所述风险文本和所述检索文本之间的相似度；

识别单元，用于根据所述相似度对所述检索文本进行风险内容变种识别，获得识别结果。

第三方面，本说明书实施例提供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下步骤：

对风险文本进行分词获得第一分词集合，以及对检索文本进行分词获得第二分词集合；

计算获得所述第一分词集合与所述第二分词集合之间的jaccard系数；

根据所述jaccard系数和所述检索文本的文本长度，计算获得所述风险文本和所述检索文本之间的相似度；

根据所述相似度对所述检索文本进行风险内容变种识别，获得识别结果。

第四方面，本说明书实施例提供一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行如下操作指令：

对风险文本进行分词获得第一分词集合，以及对检索文本进行分词获得第二分词集合；

计算获得所述第一分词集合与所述第二分词集合之间的jaccard系数；