[發明專利]一種敏感文本確定方法及裝置

有效

• 申請號: 201811290233.4
• 申請日: 2018-10-31
• 公開（公告）號: CN109657228B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 袁喆;張暉
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/216;G06F16/332
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種敏感文本確定方法，其特征在于，所述方法包括：

確定目標文本中是否存在至少一個字符屬于預設黑名單；

在不存在字符屬于預設黑名單的情況下，根據預設白名單對所述目標文本進行匹配，并統計匹配的字符總長度；

根據所述匹配的字符總長度和目標文本的長度確定目標文本與所述白名單的匹配參數；

在所述匹配參數大于預設匹配參數閾值的情況下，確定所述目標文本為非敏感文本。

2.根據權利要求1所述的方法，其特征在于，所述目標文本包括主體信息和關聯信息，所述白名單包括主體白名單和關聯白名單，所述根據預設白名單對所述目標文本進行匹配，并統計匹配的字符總長度的步驟，包括：

在所述主體信息不在所述主體白名單的情況下，匹配的字符總長度為0；

在所述主體信息在所述主體白名單的情況下，根據所述關聯白名單對所述關聯信息進行匹配，得到匹配成功的關聯信息；

計算所述匹配成功的關聯信息與主體信息的長度之和，得到匹配的字符總長度。

3.根據權利要求1所述的方法，其特征在于，所述根據所述匹配的字符總長度和目標文本的長度確定目標文本與所述白名單的匹配參數的步驟，包括：

計算所述匹配的字符總長度與所述目標文本的長度的比值，得到匹配參數。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在所述匹配參數小于或等于預設匹配參數閾值的情況下，采用預設敏感數據庫對所述目標文本進行匹配，得到匹配成功的敏感詞；

根據所述匹配成功的敏感詞總長度確定所述目標文本的敏感參數；

在所述敏感參數大于預設敏感參數閾值的情況下，確定所述目標文本為敏感文本。

5.根據權利要求4所述的方法，其特征在于，在所述采用預設敏感數據庫對所述目標文本進行匹配，得到匹配成功的敏感詞的步驟之前，還包括：

采用預先生成的拼音概率矩陣對所述目標文本中的拼音字符進行分詞。

6.根據權利要求5所述的方法，其特征在于，所述采用預先生成的拼音概率矩陣對所述目標文本中的拼音字符進行分詞的步驟，包括：

對所述目標文本中的拼音字符進行分詞得到分詞組，所述分詞組包括至少一個音節拼接的音節組；

對于每個分詞組，采用預先生成的拼音概率矩陣確定所述分詞組的分詞準確度；

將分詞準確度最大的分詞組替換所述拼音字符。

7.根據權利要求4所述的方法，其特征在于，在所述采用預設敏感數據庫對所述目標文本進行匹配，得到匹配成功的敏感詞的步驟之前，還包括：

對所述目標文本進行泛化處理，所述泛化處理包括：字符合并、字符拆分、字符順序擴展、字符轉換。

8.根據權利要求2所述的方法，其特征在于，所述主體信息包括：名稱，所述主體白名單包括名稱白名單，所述關聯信息包括：品牌和規格，所述關聯白名單包括：品牌白名單和規格白名單。

9.一種敏感文本確定裝置，其特征在于，所述裝置包括：

黑名單匹配模塊，用于確定目標文本中是否存在至少一個字符屬于預設黑名單；

白名單匹配模塊，用于在不存在字符屬于預設黑名單的情況下，根據預設白名單對所述目標文本進行匹配，并統計匹配的字符總長度；

匹配參數確定模塊，用于根據所述匹配的字符總長度和目標文本的長度確定目標文本與所述白名單的匹配參數；

敏感確定模塊，用于在所述匹配參數大于預設匹配參數閾值的情況下，確定所述目標文本為非敏感文本。

10.一種電子設備，其特征在于，包括：

處理器、存儲器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至8中任一個所述的敏感文本確定方法。

11.一種可讀存儲介質，其特征在于，當所述存儲介質中的指令由電子設備的處理器執行時，使得電子設備能夠執行如方法權利要求1至8中任一個所述的敏感文本確定方法。