[发明专利]基于ngram距离的敏感词检测方法、装置、设备及存储介质

权利要求书

1.一种基于ngram距离的敏感词检测方法，其特征在于，包括：

实时获取语音通话过程中产生的语音信息；

将所述语音信息转化为文本信息；

将所述文本信息输入到N-gram语言模型，得到第一ngram集合；

计算所述第一ngram集合与存在于本地数据库中的第二ngram集合之间的ngram距离，其中，所述第二ngram集合为预设在所述本地数据库中的敏感文本的ngram集合；

将所述ngram距离与预设的阈值距离做比对；

若所述ngram距离小于或等于所述预设的阈值距离，则判定所述语音信息中包含敏感词汇；

若所述ngram距离大于所述预设的阈值距离，则判定所述语音信息中不包含敏感词汇；

在所述计算所述第一ngram集合与存在于本地数据库中的第二ngram集合之间的ngram距离之前，还包括：

获取所述第一ngram集合的ngram参数，并根据所述ngram参数在本地数据库中提取所述第二ngram集合；

在所述将所述文本信息输入到N-gram语言模型，得到第一ngram集合之前，还包括：

对所述文本信息进行标准化处理，得到标准文本；

在所述计算所述第一ngram集合与存在于本地数据库中的第二ngram集合之间的ngram距离之前，还包括：

对所述标准文本与预设的所述敏感文本的相似度进行排序；

在相似度排序结果中，获取与所述标准文本相似度最高的所述敏感文本；

所述计算所述第一ngram集合与本地数据库中第二ngram集合之间的ngram距离，具体包括：

将与所述标准文本相似度最高的所述敏感文本输入到N-gram语言模型，得到第二ngram集合；

计算所述第一ngram集合与所述第二ngram集合之间的ngram距离。

2.如权利要求1所述的基于ngram距离的敏感词检测方法，其特征在于，在所述对所述文本信息进行标准化处理，得到标准文本之后，还包括：

将所述标准文本与本地数据库中预设的所述敏感文本进行比对，判断所述标准文本与预设的所述敏感文本是否一致；

若所述标准文本与预设的所述敏感文本一致，则判定所述语音信息中包含敏感词汇。

3.如权利要求2所述的基于ngram距离的敏感词检测方法，其特征在于，所述将所述标准文本与本地数据库中预设的所述敏感文本进行比对，判断所述标准文本与预设的所述敏感文本是否一致，具体包括：

检测所述标准文本的文本长度；

将所述标准文本的文本长度与预设文本长度做比对；

若所述标准文本的文本长度小于所述预设文本长度，则所述标准文本的文本长度与所述预设文本长度之间的比对采用第一规则匹配，其中，在所述第一规则匹配下，所述标准文本与预设的所述敏感文本完全一致；

若所述标准文本的文本长度大于或等于所述预设文本长度，则所述标准文本的文本长度与所述预设文本长度之间的比对采用第二规则匹配，其中，所述第二规则匹配下，所述标准文本与预设的所述敏感文本的相似度大于预设相似度。

4.如权利要求1所述的基于ngram距离的敏感词检测方法，其特征在于，所述将所述ngram距离与预设的阈值距离做比对，具体包括：

对计算得到的所有所述ngram距离进行大小排序；

在ngram距离排序结果中，获取最小ngram距离，将所述最小ngram距离与预设的阈值距离做比对。