[發明專利]一種敏感詞匹配方法和系統

無效

• 申請號: 201110181501.0
• 申請日: 2011-06-30
• 公開（公告）號: CN102207979A
• 公開（公告）日: 2011-10-05
• 發明（設計）人: 楊濤
• 申請（專利權）人: 北京新媒傳信科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝

1.一種敏感詞匹配方法，其特征在于，根據敏感詞庫中的所有敏感詞匯生成多個確定有限自動機DFA圖，并保存這些DFA圖，則對于給定的待判定信息，匹配敏感詞的方法包括：

步驟1，取出待判定信息中的當前字；其中，首次取出的是待判定信息的首字，之后，每次取出待判定信息中的下一個字作為當前字；

步驟2，查詢所保存的DFA圖，判斷是否有以該當前字為入口的DFA圖，如果命中，則記錄該DFA圖以及該當前字處于該DFA圖中的節點位置；

如果該當前字的上一個字有命中并記錄的DFA圖，則將該當前字與該DFA圖中的上一個字所在節點的下一節點進行匹配，如果命中，則記錄當前節點在該DFA圖中的位置信息，如果沒有命中，則從記錄中刪除該DFA圖；

如果當前字有命中的DFA圖，并且該命中的DFA圖中當前字所在節點為出口節點，則確定待判定信息中存在敏感詞匯，結束流程；

步驟3，如果還沒有到待判定信息的最后一個字，則返回步驟1。

2.根據權利要求1所述的方法，其特征在于，所述根據敏感詞庫中的所有敏感詞生成多個DFA圖包括：

掃描敏感詞庫中的所有敏感詞匯，對于每個當前敏感詞匯：

查看是否存在以當前敏感詞匯的首字為入口的DFA圖；

如果不存在，則創建以當前敏感詞匯的首字為入口的DFA圖，在該DFA圖中：當前敏感詞匯中的每個字對應一個節點，各節點的排序與各個對應的字在當前敏感詞匯中的排序相同，當前敏感詞匯中的最后一個字所對應的節點為該DFA圖的出口節點；

如果存在，則依次判斷當前敏感詞匯首字之后的后續各字是否也在該DFA圖中存在對應的節點，對于沒有對應節點的字以及其后續的字，在該DFA圖中添加對應的節點，并將當前敏感詞匯中的最后一個字所對應的節點為該DFA圖的又一個出口節點。

3.根據權利要求2所述的方法，其特征在于，所述根據敏感詞庫中的所有敏感詞生成多個DFA圖還包括：

在每個DFA圖的相鄰兩個節點之間的連線邊上設置去噪規則。

4.根據權利要求3所述的方法，其特征在于，步驟2還包括：

如果該當前字的上一個字有命中并記錄的DFA圖，則將該當前字與該DFA圖中的上一個字所在節點的下一節點進行匹配之前，根據所述上一個字所在的節點與其下一節點之間的連線邊上去噪規則判斷當前字是否應該被忽略，是則直接執行步驟3，否則執行所述將該當前字與該DFA圖中的上一個字所在節點的下一節點進行匹配的步驟。

5.根據權利要求1至4中任一項所述的方法，其特征在于，步驟2中，如果當前字有命中的DFA圖，并且該命中的DFA圖中當前字所在節點為出口節點，則確定待判定信息中存在敏感詞匯之后，進一步包括：

將待判定信息在該命中的DFA圖中的路徑所對應的敏感詞匯作為匹配到的敏感詞匯進行輸出。

6.一種敏感詞匹配系統，其特征在于，該系統包括：DFA圖生成模塊、存儲模塊、匹配模塊，其中：

DFA圖生成模塊，用于根據敏感詞庫中的所有敏感詞匯生成多個確定有限自動機DFA圖，并將這些DFA圖保存到存儲模塊中；

存儲模塊，用于保存DFA圖；

匹配模塊，用于根據如下步驟對給定的待判定信息進行敏感詞匹配：

步驟1，取出待判定信息中的當前字；其中，首次取出的是待判定信息的首字，之后，每次取出待判定信息中的下一個字作為當前字；

步驟2，查詢所保存的DFA圖，判斷是否有以該當前字為入口的DFA圖，如果命中，則記錄該DFA圖以及該當前字處于該DFA圖中的節點位置；

如果該當前字的上一個字有命中并記錄的DFA圖，則將該當前字與該DFA圖中的上一個字所在節點的下一節點進行匹配，如果命中，則記錄當前節點在該DFA圖中的位置信息，如果沒有命中，則從記錄中刪除該DFA圖；

如果當前字有命中的DFA圖，并且該命中的DFA圖中當前字所在節點為出口節點，則確定待判定信息中存在敏感詞匯，結束流程；

步驟3，如果還沒有到待判定信息的最后一個字，則返回步驟1。