【技术实现步骤摘要】
文本内容识别和违规广告识别方法、装置及电子设备
本专利技术涉及信息处理领域，尤其是涉及文本内容识别和违规广告识别方法、装置及电子设备。
技术介绍
随着科学技术的发展，在信息处理领域中，很多用户经常需要对一些文本、图片或者网站的内容进行识别，以判断其中是否包含某一设定内容(例如，是否包含违法违规的内容、是否包含设定话题的内容等)。现有技术中，通常会采用一些根据设定内容提取的关键词判断文本中是否包含了该设定内容。然而在一些情况下，通过所提取的关键词会识别到一些与设定内容毫无关联的内容，从而将识别出的这些毫无关联的内容误认为设定内容，造成对设定内容的误识别。例如，若识别一则金融广告中是否有违规内容时，将“违规内容”作为需要识别的设定内容，将“保本”作为根据“违规内容”提取的关键词，通过“保本”识别金融广告中是否有违规内容；当金融广告中包含“社保本金”内容时，“社保本金”与“违规内容”毫无关联，但是根据关键词“保本”也会识别出“社保本金”为违规内容，造成了对金融广告中设定内容的误识别。可见，现有技术中根据设定内容提取...
【技术保护点】
1.一种文本内容识别方法，其特征在于，包括：/n获取待识别是否包含设定内容的文本，作为待识别文本，并获取根据设定语料确定的白名单语料库；其中，所述设定语料为用于识别出所述设定内容的词语或句子；所述白名单语料库中每一白名单语料均为不属于所述设定内容且包含至少一个所述设定语料中的每一字符的词语或句子；/n对所述待识别文本中出现的每一白名单语料进行排除处理，得到比对排除文本；其中，所述排除处理包括对白名单语料中出现的属于所述设定语料的字符进行替换和/或删除白名单语料；/n根据所述比对排除文本和所述设定语料，确定所述待识别文本是否包含所述设定内容。/n
【技术特征摘要】
1.一种文本内容识别方法，其特征在于，包括：
获取待识别是否包含设定内容的文本，作为待识别文本，并获取根据设定语料确定的白名单语料库；其中，所述设定语料为用于识别出所述设定内容的词语或句子；所述白名单语料库中每一白名单语料均为不属于所述设定内容且包含至少一个所述设定语料中的每一字符的词语或句子；
对所述待识别文本中出现的每一白名单语料进行排除处理，得到比对排除文本；其中，所述排除处理包括对白名单语料中出现的属于所述设定语料的字符进行替换和/或删除白名单语料；
根据所述比对排除文本和所述设定语料，确定所述待识别文本是否包含所述设定内容。
2.根据权利要求1所述的文本内容识别方法，其特征在于，所述对所述待识别文本中出现的每一白名单语料进行排除处理，得到比对排除文本，包括：
对所述待识别文本中识别到的任一白名单语料，将所述任一白名单语料中的每一字符替换为设定字符，得到所述比对排除文本；
其中，所述设定字符的字符种类与所述设定语料中的字符种类不同。
3.根据权利要求1所述的文本内容识别方法，其特征在于，所述根据所述比对排除文本和所述设定语料，确定所述待识别文本是否包含所述设定内容，包括：
若所述比对排除文本中同时包含每一所述设定语料，则所述待识别文本包含所述设定内容。
4.根据权利要求1所述的文本内容识别方法，其特征在于，所述获取待识别是否包含设定内容的文本，作为待识别文本之前，还包括：
获取待识别是否包含设定内容的原始内容；所述原始内容为根据网址从网页中获取的文本、为通过图像识别从图像中获取的文本，或者为通过读取文字获取的文本；
对所述原始内容进行标准化处理，得到所述待识别文本；其中，所述标准化处理包括如下处理中的至少一种：将所述原始内容中的全角符号转换为半角符号、将所述原始内容中的半角符号转换为全角符号、将所述原始内容中不是文本格式的内容删除或转换为文本格式。
5.根据权利要求1所述的文本内容识别方法，其特征在于，还包括：
若所述待识别文本包含所述设定内容，则根据所述设定语料从预置的解释条款中获取目标解...
【专利技术属性】
技术研发人员：张黎娜，钱婧，袁磊，
申请(专利权)人：中国互联网金融协会，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。