[發明專利]一種垃圾內容過濾的方法及裝置

無效

• 申請號: 200910080732.5
• 申請日: 2009-03-26
• 公開（公告）號: CN101510879A
• 公開（公告）日: 2009-08-19
• 發明（設計）人: 李京晶;于章濤;張萌萌;祝銳;趙琳霖
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L29/08;H04L12/24
• 代理公司: 北京凱特來知識產權代理有限公司
• 代理人: 鄭立明

1、一種垃圾內容過濾的方法，其特征在于，所述方法包括：

通過預定的語義分析條件對發帖內容進行判斷，將所述發帖內容中滿足所述預定的語義分析條件的內容，作為垃圾內容進行屏蔽；

將經過屏蔽處理后的所述發帖內容經過審核后，發布到網絡上。

2、根據權利要求1所述的方法，其特征在于，所述預定的語義分析條件包括：

(a)所述發帖內容是否滿足語法的要求；或

(b)是否具有能夠描述垃圾詞匯的特征；或

(c)是否包含詞匯出現頻率大于頻率標準值的詞匯內容；或

(d)攜帶網絡鏈接地址的數量是否超過設定的參考值；

或者上述(a)、(b)、(c)、(d)的任意組合。

3、根據權利要求2所述的方法，其特征在于，所述預定的語義分析條件的生成過程，具體包括：

當所述預定的語義分析條件為(b)時，通過收集大量被過濾掉的垃圾內容，將所述內容按照類別進行分類；針對每個類別中的所述內容，獲得具有能夠描述垃圾詞匯的特征；或者，

當所述預定的語義分析條件為(c)時，通過對垃圾內容中垃圾詞匯的出現次數進行記錄，獲得能夠判斷所述發帖內容中是否包含垃圾詞匯的頻率標準值；或者，

當所述預定的語義分析條件為(d)時，通過對垃圾內容中攜帶網絡鏈接地址的數量進行記錄，獲得能夠判別所述發帖內容中是否包含垃圾內容的參考值。

4、根據權利要求1所述的方法，其特征在于，通過預定的語義分析條件對發帖內容進行判斷，將所述發帖內容中滿足所述預定的語義分析條件的內容，作為垃圾內容進行屏蔽之前，所述方法還包括：

對發帖內容的重復性進行判斷，如所述發帖內容與之前發帖內容重復時，將所述重復的內容自動屏蔽；否則，不做任何處理；

對經過重復性判斷的發帖內容進行一級臟詞匹配，如匹配到，將所述發帖內容屏蔽；否則，對經過一級臟詞過濾后的發帖內容進行語義分析。

5、根據權利要求1所述的方法，其特征在于，將經過屏蔽處理后的所述發帖內容經過審核后，發布到網絡上，具體過程包括：

對經過屏蔽處理后的所述發帖內容，分別通過二級臟詞以及網頁地址黑名單進行過濾，并根據過濾結果分別對帖子評分，將所述評分小于標準值的帖子屏蔽后，發送給人工審核；將所述評分大于等于標準值的帖子發布到網絡上。

6、根據權利要求1所述的方法，其特征在于，所述方法還包括：

對發布到網絡上的所述帖子進行后臺監控，對發帖頻率大于設定參考值的用戶，點擊量和回帖量大于設定參考值的普通帖以及選項選擇次數、點擊量和回復量大于設定參考值的投票帖進行自動記錄，并以郵件報警的方式通知管理服務器進行處理。

7、一種垃圾內容過濾的裝置，其特征在于，所述裝置包括：

語義分析執行模塊，用于通過預定的語義分析條件對發帖內容進行判斷，將所述發帖內容中滿足所述預定的語義分析條件的內容，作為垃圾內容進行屏蔽；

審核執行模塊，用于對所述語義分析執行模塊處理后的發帖內容經過審核后，發布到網絡上。

8、根據權利要求7所述的裝置，其特征在于，所述預定的語義分析條件包括：

(e)所述發帖內容是否滿足語法的要求；或

(f)是否具有能夠描述垃圾詞匯的特征；或

(g)是否包含詞匯出現頻率大于頻率標準值的詞匯內容；或

(h)攜帶網絡鏈接地址的數量是否超過設定的參考值；

或者上述(e)、(f)、(g)、(h)的任意組合。

9、根據權利要求8所述的裝置，其特征在于，所述裝置還包括：

條件生成模塊，用于當所述預定的語義分析條件為(f)時，通過收集大量被過濾掉的垃圾內容，將所述內容按照類別進行分類；針對每個類別中的所述內容，獲得具有能夠描述垃圾詞匯的特征；或者，

當所述預定的語義分析條件為(g)時，通過對垃圾內容中垃圾詞匯的出現次數進行記錄，獲得能夠判斷所述發帖內容中是否包含垃圾詞匯的頻率標準值；或者，

當所述預定的語義分析條件為(h)時，通過對垃圾內容中攜帶網絡鏈接地址的數量進行記錄，獲得能夠判別所述發帖內容中是否包含垃圾內容的參考值。