[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

说明书

本发明实施例提供了文本内容识别和违规广告识别方法、装置及电子设备，包括：获取待识别文本，以及根据设定语料确定的白名单语料库；排除待识别文本中出现的白名单语料得到比对排除文本，根据比对排除文本和设定语料，确定待识别文本是否包含设定内容。其中，设定语料为用于识别出设定内容的词语或句子；白名单语料库中每一白名单语料均为不属于设定内容且包含至少一个设定语料中的每一字符的词语或句子，通过排除待识别文本中的白名单语料，能将包含设定语料中的字符但不属于设定内容的词语或句子排除，避免将待识别文本中出现的白名单语料误识别为设定内容，从而避免误认为待识别文本包含设定内容，降低了对设定内容的误判率。

技术领域

本发明涉及信息处理领域，尤其是涉及文本内容识别和违规广告识别方法、装置及电子设备。

背景技术

随着科学技术的发展，在信息处理领域中，很多用户经常需要对一些文本、图片或者网站的内容进行识别，以判断其中是否包含某一设定内容(例如，是否包含违法违规的内容、是否包含设定话题的内容等)。

现有技术中，通常会采用一些根据设定内容提取的关键词判断文本中是否包含了该设定内容。然而在一些情况下，通过所提取的关键词会识别到一些与设定内容毫无关联的内容，从而将识别出的这些毫无关联的内容误认为设定内容，造成对设定内容的误识别。例如，若识别一则金融广告中是否有违规内容时，将“违规内容”作为需要识别的设定内容，将“保本”作为根据“违规内容”提取的关键词，通过“保本”识别金融广告中是否有违规内容；当金融广告中包含“社保本金”内容时，“社保本金”与“违规内容”毫无关联，但是根据关键词“保本”也会识别出“社保本金”为违规内容，造成了对金融广告中设定内容的误识别。

可见，现有技术中根据设定内容提取的关键词会从文本中识别出一些与设定内容毫无关联内容，造成对设定内容的误识别，进而对文本中是否包含设定内容造成误判的问题。

发明内容

本发明实施例提供了文本内容识别和违规广告识别方法、装置及电子设备，用于解决现有技术中根据设定内容提取的关键词会从文本中识别出一些与设定内容毫无关联内容，造成对设定内容的误识别，进而对文本中是否包含设定内容造成误判的问题。

针对以上技术问题，第一方面，本发明实施例提供了一种文本内容识别方法，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。

进一步地，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。

进一步地，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。

进一步地，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：