[发明专利]一种基于机器学习的高准确度网站敏感词检测方法在审
| 申请号： | 201910984628.2 | 申请日： | 2019-10-16 |
| 公开（公告）号： | CN110750981A | 公开（公告）日： | 2020-02-04 |
| 发明（设计）人： | 江辉云;范渊 | 申请（专利权）人： | 杭州安恒信息技术股份有限公司 |
| 主分类号： | G06F40/216 | 分类号： | G06F40/216;G06F40/289;G06F40/30;G06N20/00 |
| 代理公司： | 33230 杭州赛科专利代理事务所(普通合伙) | 代理人： | 郭薇;冯年群 |
| 地址： | 310051 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于机器学习的高准确度网站敏感词检测方法，将待检测文件首先与敏感词数据库进行规则匹配，得到包含敏感词的文档集合，对训练数据进行处理、学习以输出机器学习模型，随后将文档集合输入模型，得到网站敏感词检测结果。本发明结合机器学习算法进行模型训练，而后对爬取的网站页面首先进行敏感词规则匹配，然后再次对规则匹配后的输出网站进行机器学习自动分析，减少机器学习模型预测的数据量，提高检测速度和准确性，最终通过统计推算得出页面包含敏感词的可能性；由于通过机器学习并进行语义分析，并通过与分词含义的组合判断，本发明能有效提高敏感性词汇识别率，并能确保监测准确率，能极大减少监理机构的人力成本。 | ||
| 搜索关键词： | 敏感词 规则匹配 网站 机器学习模型 敏感词检测 机器学习 文档集合 机器学习算法 待检测文件 监测准确率 词汇识别 基于机器 监理机构 模型训练 人力成本 网站页面 训练数据 语义分析 自动分析 准确度 输出 数据量 分词 页面 推算 数据库 学习 检测 预测 统计 | ||
【主权项】：
1.一种基于机器学习的高准确度网站敏感词检测方法，其特征在于：所述方法包括以下步骤：/n步骤1：基于网站，下载待检测文件；新建敏感词数据库；/n步骤2：将待检测文件与敏感词数据库进行规则匹配，得到包含敏感词的文档集合；/n步骤3：获取训练数据，对训练数据进行处理，学习，获得符合训练要求的数据，输出机器学习模型；/n步骤4：将步骤2的文档集合输入模型，得到网站敏感词检测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州安恒信息技术股份有限公司，未经杭州安恒信息技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910984628.2/，转载请声明来源钻瓜专利网。
