[发明专利]文本内容识别和违规广告识别方法、装置及电子设备

权利要求书

1.一种文本内容识别方法，其特征在于，包括：

获取待识别是否包含设定内容的文本，作为待识别文本，并获取根据设定语料确定的白名单语料库；其中，所述设定语料为用于识别出所述设定内容的词语或句子；所述白名单语料库中每一白名单语料均为不属于所述设定内容且包含至少一个所述设定语料中的每一字符的词语或句子；

对所述待识别文本中出现的每一白名单语料进行排除处理，得到比对排除文本；其中，所述排除处理包括对白名单语料中出现的属于所述设定语料的字符进行替换和/或删除白名单语料；

根据所述比对排除文本和所述设定语料，确定所述待识别文本是否包含所述设定内容。

2.根据权利要求1所述的文本内容识别方法，其特征在于，所述对所述待识别文本中出现的每一白名单语料进行排除处理，得到比对排除文本，包括：

对所述待识别文本中识别到的任一白名单语料，将所述任一白名单语料中的每一字符替换为设定字符，得到所述比对排除文本；

其中，所述设定字符的字符种类与所述设定语料中的字符种类不同。

3.根据权利要求1所述的文本内容识别方法，其特征在于，所述根据所述比对排除文本和所述设定语料，确定所述待识别文本是否包含所述设定内容，包括：

若所述比对排除文本中同时包含每一所述设定语料，则所述待识别文本包含所述设定内容。

4.根据权利要求1所述的文本内容识别方法，其特征在于，所述获取待识别是否包含设定内容的文本，作为待识别文本之前，还包括：

获取待识别是否包含设定内容的原始内容；所述原始内容为根据网址从网页中获取的文本、为通过图像识别从图像中获取的文本，或者为通过读取文字获取的文本；

对所述原始内容进行标准化处理，得到所述待识别文本；其中，所述标准化处理包括如下处理中的至少一种：将所述原始内容中的全角符号转换为半角符号、将所述原始内容中的半角符号转换为全角符号、将所述原始内容中不是文本格式的内容删除或转换为文本格式。

5.根据权利要求1所述的文本内容识别方法，其特征在于，还包括：

若所述待识别文本包含所述设定内容，则根据所述设定语料从预置的解释条款中获取目标解释条款，并输出所述待识别文本和所述目标解释条款；

其中，解释条款为与所述设定内容相关的法律法规或者行业规定。

6.根据权利要求5所述的文本内容识别方法，其特征在于，所述根据所述设定语料从预置的解释条款中获取目标解释条款，包括：

从预设的用于对每一种设定内容进行识别的语料组中，获取包含有所述设定语料的语料组所对应的设定内容，作为目标设定内容；

获取与所述目标设定内容对应的存储的解释条款，作为所述目标解释条款。

7.一种违规广告的识别方法，其特征在于，包括：

将待识别是否包含违规内容的广告作为所述待识别文本，将所述违规内容作为所述设定内容，执行权利要求1-6中任一项所述的文本内容识别方法，以确定所述广告中是否包含所述违规内容；

若所述广告包含所述违规内容，则发出所述广告包含违规内容的风险提示信息。

8.一种文本内容识别装置，其特征在于，包括：

文本获取单元，用于获取待识别是否包含设定内容的文本，作为待识别文本，并获取根据设定语料确定的白名单语料库；其中，所述设定语料为用于识别出所述设定内容的词语或句子；所述白名单语料库中每一白名单语料均为不属于所述设定内容且包含至少一个所述设定语料中的每一字符的词语或句子；

文本排除单元，用于对所述待识别文本中出现的每一白名单语料进行排除处理，得到比对排除文本；其中，所述排除处理包括对白名单语料中出现的属于所述设定语料的字符进行替换和/或删除白名单语料；

文本确定单元，用于根据所述比对排除文本和所述设定语料，确定所述待识别文本是否包含所述设定内容。