[发明专利]用于生成词库的方法及装置

权利要求书

1.一种用于生成词库的方法，包括：

获取初始风险词；

对所述初始风险词进行扩展，得到扩展风险词；

基于所述初始风险词和所述扩展风险词，确定关键字信息；

基于所述关键字信息中的每个关键字，生成目标词库。

2.根据权利要求1所述的方法，其中，所述基于所述关键字信息中的每个关键字，生成目标词库，包括：

基于所述关键字信息中的每个关键字和预设的关键字顺序，确定关键字集合；

在所述关键字集合中确定分词位置；

基于所述分词位置，将所述关键字集合划分为至少一个目标词；

基于所述至少一个目标词，生成所述目标词库。

3.根据权利要求2所述的方法，其中，所述基于所述关键字信息中的每个关键字和预设的关键字顺序，确定关键字集合，包括：

按照所述预设的关键字顺序，在初始字典树中对所述关键字信息中的每个关键字进行遍历；

对于每个未预先存储的关键字，按照所述预设的关键字顺序，将该关键字与该关键字的下一关键字关联存储于所述初始字典树，得到目标字典树；

基于所述目标字典树中的各个关键字，确定所述关键字集合。

4.根据权利要求2所述的方法，其中，所述基于所述至少一个目标词，生成所述目标词库，包括：

对于所述至少一个目标词中的每个目标词，确定该目标词对应的风险类别；

基于所述至少一个目标词和各个目标词对应的风险类别，生成所述目标词库。

5.根据权利要求1所述的方法，其中，所述对所述初始风险词进行扩展，得到扩展风险词，包括：

在预设的候选扩展词库中，确定各个候选扩展词与所述初始风险词之间的编辑距离和/或语义相似度；

基于所述编辑距离和/或语义相似度，在所述各个候选扩展词中确定所述扩展风险词。

6.根据权利要求5所述的方法，其中，所述预设的候选扩展词库通过以下步骤确定得到：

获取历史风险信息；

基于所述历史风险信息中各个风险词出现的频率，确定所述预设的候选扩展词库。

7.根据权利要求1所述的方法，其中，所述方法还包括：

获取风险正样本集合和/或风险负样本集合；

基于所述风险正样本集合和/或所述风险负样本集合，更新所述目标词库。

8.根据权利要求1至7任一项所述的方法，其中，所述方法还包括：

存储所述目标词库的快照。

9.一种风险检测方法，其中，所述方法包括：

基于权利要求1-8中任一项所述的方法生成目标词库；

基于所述目标词库对目标对象进行风险检测。

10.一种用于生成词库的装置，包括：

风险词获取单元，被配置成获取初始风险词；

风险词扩展单元，被配置成对所述初始风险词进行扩展，得到扩展风险词；

信息确定单元，被配置成基于所述初始风险词和所述扩展风险词，确定关键字信息；

词库生成单元，被配置成基于所述关键字信息中的每个关键字，生成目标词库。

11.根据权利要求10所述的装置，其中，所述词库生成单元进一步被配置成：

基于所述关键字信息中的每个关键字和预设的关键字顺序，确定关键字集合；

在所述关键字集合中确定分词位置；

基于所述分词位置，将所述关键字集合划分为至少一个目标词；

基于所述至少一个目标词，生成所述目标词库。