目标词检测模型的构建方法、目标词检测方法及相应装置制造方法及图纸

本申请提供了一种目标词检测模型的构建方法、目标词检测方法及相应装置，属于数据处理技术领域。该方法包括：获取多个目标词和多个排除词，并基于多个目标词和多个排除词建立预设词库；基于预设词库，构建目标词树结构，其中，目标词树结构的每条分支结构表示一个目标词或者排除词，分支结构中的每个节点对应目标词或者排除词中的一个字符；为目标词树结构中的每个节点配置节点属性信息，得到目标词检测模型。根据本申请的实施例能够全面准确地检测出目标词，减少将正常词汇误检为目标词的情况。况。况。

【技术实现步骤摘要】
目标词检测模型的构建方法、目标词检测方法及相应装置


[0001]本申请涉及数据处理
，特别涉及一种目标词检测模型的构建方法、目标词检测方法及相应装置。

技术介绍

[0002]随着互联网技术的不断发展，人们通过可以网络获取到海量信息。但是，部分不法分子利用网络传播的便捷性，在网络上发布非法信息，从而带来诸多不良影响。针对这一问题，可以通过敏感词检测等技术手段，对网络上的信息进行审查，以便及时发现不当信息。
[0003]在相关技术中，通常建立一个敏感词词库，并基于该敏感词词库对待处理文本进行敏感词检测。但是，基于这种方式无法准确检测出利用同音字等方式构建的敏感词，从而可能漏检部分敏感词，而且，还容易将一些包含敏感字符的正常词汇误判为敏感词，导致检测结果的准确性较差。

技术实现思路

[0004]本申请提供一种目标词检测模型的构建方法、目标词检测方法及相应装置、电子设备、存储介质，可以较为全面准确地检测出目标词，并减少将正常词汇误检为目标词的情况。
[0005]第一方面，本申请提供了一种目标词检测模型的构建方法，该目标词检测模型的构建方法包括：获取多个目标词和多个排除词，并基于所述多个目标词和所述多个排除词建立预设词库，所述目标词包括一个或多个目标字符，所述排除词为由一个或多个所述目标字符组成的第一字符串以及一个或多个非目标字符组成的第二字符串依次拼接成的非目标词；基于所述预设词库，构建目标词树结构，其中，所述目标词树结构的每条分支结构表示一个目标词或者排除词，所述分支结构中的每个节点对应目标词或者排除词中的一个字符；为所述目标词树结构中的每个所述节点配置节点属性信息，得到目标词检测模型，其中，所述节点属性信息用于表征当前节点对应字符的属性信息、以及当前节点的子节点所对应的字符的属性信息。
[0006]第二方面，本申请提供了一种目标词检测方法，该目标词检测方法包括：获取待检测文本，所述待检测文本中包括多个字符；针对所述待检测文本中的第i个字符，执行第一指定步骤，所述第一指定步骤包括：确定预设的目标词检测模型中是否存在与第i个字符匹配的一级节点，所述一级节点是所述目标词检测模型中根节点的子节点；在所述目标词检测模型中存在与第i个字符匹配的一级节点的情况下，从第i+1个字符开始循环执行第二指定步骤，所述第二指定步骤包括：确定第j个字符是否与第j
‑
1个字符匹配的节点的子节点匹配，在匹配的情况下，根据第j个字符对应的排除属性信息确定是否满足预设条件，在不满足所述预设条件的情况下，更新j为j+1；其中，所述预设条件包括：第j个字符为目标词结尾，且第j个字符的子节点不存在非目标字符，或者，第j个字符为排除词结尾，所述目标词结尾是指目标词词尾的目标字符，所述排除词结尾是指排除词词尾的非目标字符，i≥1，j
≥i+1；直到根据第j个字符对应的排除属性信息确定满足所述预设条件的情况下，得到第i个字符至第j个字符的检测结果，并针对第j+1个字符执行所述第一指定步骤；在完成对所述待检测文本中处于预设检测范围内的所有字符的检测的情况下，得到目标词检测结果；其中，所述目标词检测模型采用本申请实施例任一项所述的目标词检测模型的构建方法获得。
[0007]第三方面，本申请提供了一种目标词检测模型的构建装置，该目标词检测模型的构建装置包括：词库建立模块，用于获取多个目标词和多个排除词，并基于所述多个目标词和所述多个排除词建立预设词库，所述目标词包括一个或多个目标字符，所述排除词为由一个或多个所述目标字符组成的第一字符串以及一个或多个非目标字符组成的第二字符串依次拼接成的非目标词；结构构建模块，用于基于所述预设词库，构建目标词树结构，其中，所述目标词树结构的每条分支结构表示一个目标词或者排除词，所述分支结构中的每个节点对应目标词或者排除词中的一个字符；属性配置模块，用于为所述目标词树结构中的每个所述节点配置节点属性信息，得到目标词检测模型，其中，所述节点属性信息用于表征当前节点对应字符的属性信息、以及与当前节点的子节点所对应的字符的属性信息。
[0008]第四方面，本申请提供了一种目标词检测装置，该目标词检测装置包括：获取模块，用于获取待检测文本，所述待检测文本中包括多个字符；第一执行模块，用于针对所述待检测文本中的第i个字符，执行第一指定步骤，所述第一指定步骤包括：确定预设的目标词检测模型中是否存在与第i个字符匹配的一级节点，所述一级节点是所述目标词检测模型的根节点的子节点；第二执行模块，用于在所述目标词检测模型中存在与第i个字符匹配的一级节点的情况下，从第i+1个字符开始循环执行第二指定步骤，所述第二指定步骤包括：确定第j个字符是否与第j
‑
1个字符匹配的节点的子节点匹配，在匹配的情况下，根据第j个字符对应的排除属性信息确定是否满足预设条件，在不满足所述预设条件的情况下，更新j为j+1；其中，所述预设条件包括：第j个字符为目标词结尾，且第j个字符的子节点不存在非目标字符，或者，第j个字符为排除词结尾，所述目标词结尾是指目标词词尾的目标字符，所述排除词结尾是指排除词词尾的非目标字符，i≥1，j≥i+1；结果确定模块，用于直到根据第j个字符对应的排除属性信息满足所述预设条件的情况下，得到第i个字符至第j个字符的检测结果，并针对第j+1个字符执行所述第一指定步骤；总结果获取模块，用于在完成对所述待检测文本中处于预设检测范围内的所有字符的检测的情况下，得到目标词检测结果；其中，所述目标词检测模型采用本申请实施例任一项所述的目标词检测模型的构建方法获得。
[0009]第五方面，本申请提供了一种电子设备，该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的目标词检测模型的构建方法或者目标词检测方法。
[0010]第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序在被处理器/处理核执行时实现上述的目标词检测模型的构建方法或者目标词检测方法。
[0011]本申请所提供的实施例，首先，获取多个目标词和多个排除词，并基于多个目标词
和多个排除词建立预设词库，目标词包括一个或多个目标字符，排除词为由一个或多个目标字符组成的第一字符串以及一个或多个非目标字符组成的第二字符串依次拼接成的非目标词；其次，基于预设词库，构建目标词树结构，其中，目标词树结构的每条分支结构表示一个目标词或者排除词，分支结构中的每个节点对应目标词或者排除词中的一个字符；然后，为目标词树结构中的每个节点配置节点属性信息，得到目标词检测模型，其中，节点属性信息用于表征当前节点对应字符的属性信息、以及与当前节点的子节点所对应的字符的属性信息。在本申请实施例中，由于构建目标词检测模型的预设词库中不仅包括目标词，还包括排除词，并且为其中每个节点配置了相应的节点属性信息，因此，在基于该目标词检测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标词检测模型的构建方法，其特征在于，包括：获取多个目标词和多个排除词，并基于所述多个目标词和所述多个排除词建立预设词库，所述目标词包括一个或多个目标字符，所述排除词为由一个或多个所述目标字符组成的第一字符串以及一个或多个非目标字符组成的第二字符串依次拼接成的非目标词；基于所述预设词库，构建目标词树结构，其中，所述目标词树结构的每条分支结构表示一个目标词或者排除词，所述分支结构中的每个节点对应目标词或者排除词中的一个字符；为所述目标词树结构中的每个所述节点配置节点属性信息，得到目标词检测模型，其中，所述节点属性信息用于表征当前节点对应字符的属性信息、以及当前节点的子节点所对应的字符的属性信息。2.根据权利要求1所述的方法，其特征在于，所述节点属性信息包括：发音属性信息、形状属性信息和排除属性信息中的至少一种；其中，所述发音属性信息用于表征当前节点对应字符的发音，所述形状属性信息包括当前节点对应字符的一个或多个形近字符，所述排除属性信息用于确定当前字符对应的词是否属于排除词。3.根据权利要求2所述的方法，其特征在于，所述排除属性信息包括词尾属性信息、排除词存在属性信息和排除词属性信息中的至少一种；所述词尾属性信息用于表征当前节点对应字符是否属于词结尾字符，所述排除词存在属性信息用于表征当前节点的一个或多个子节点所对应的字符中，是否存在非目标字符，所述排除词属性信息用于表征当前节点对应字符是否为非目标字符。4.一种目标词检测方法，其特征在于，包括：获取待检测文本，所述待检测文本中包括多个字符；针对所述待检测文本中的第i个字符，执行第一指定步骤，所述第一指定步骤包括：确定预设的目标词检测模型中是否存在与第i个字符匹配的一级节点，所述一级节点是所述目标词检测模型中根节点的子节点；在所述目标词检测模型中存在与第i个字符匹配的一级节点的情况下，从第i+1个字符开始循环执行第二指定步骤，所述第二指定步骤包括：确定第j个字符是否与第j
‑
1个字符匹配的节点的子节点匹配，在匹配的情况下，根据第j个字符对应的排除属性信息确定是否满足预设条件，在不满足所述预设条件的情况下，更新j为j+1；其中，所述预设条件包括：第j个字符为目标词结尾，且第j个字符的子节点不存在非目标字符，或者，第j个字符为排除词结尾，所述目标词结尾是指目标词词尾的目标字符，所述排除词结尾是指排除词词尾的非目标字符，i≥1，j≥i+1；直到根据第j个字符对应的排除属性信息确定满足所述预设条件的情况下，得到第i个字符至第j个字符的检测结果，并针对第j+1个字符执行所述第一指定步骤；在完成对所述待检测文本中处于预设检测范围内的所有字符的检测的情况下，得到目标词检测结果；其中，所述目标词检测模型采用如权利要求1
‑
3任一项所述的目标词检测模型的构建方法获得。5.根据权利要求4所述的方法，其特征在于，所述确定预设的目标词检测模型中是否存在与第i个字符匹配的一级节点，包括：
确定所述目标词检测模型的各个一级节点对应的目标字符中，是否存在与第i个字符相同的目标字符；在存在与第i个字符相同的目标字符的情况下，确定存在与第i个字符匹配的一级节点。6.根据权利要求5所述的方法，其特征在于，所述目标词检测模型中的各个节点包括节点属性信息；所述节点属性信息包括发音属性信息、形状属性信息和通配符信息；所述确定所述目标词检测模型的各个一级节点对应的目标字符中，是否存在与第i个字符相同的目标字符之后，还包括：在不存在与第i个字符相同的目标字符的情况下，确定第i个字符的发音；根据所述目标词检测模型的各个一级节点的发音属性信息中，确定是否存在与第i个字符发音相似度大于预设发音阈值的一级节点；在存在与第i个字符发音相似度大于预设发音阈值的一级节点的情况下，确定存在与第i个字符匹配的一级节点；在不存在与第i个字符发音相似度大于预设发音阈值的一级节点的情况下，根据所述目标词检测模型的各个一级节点的形状属性信息，确定是否存在与第i个字符的字形相似度大于预设字形阈值的一级节点；在存在与第i个字符字形相似度大于预设字形阈值的一级节点的情况下，确定存在与第i个字符匹配的一级节点；在不存在与第i个字符字形相似度大于预设字形阈值的一级节点的情况下，确定所述目标词检测模型中是否存在目标字符为通配符的一级节点；在存在目标字符为通配符的一级节点的情况下，确定存在与第i个字符匹配的一级节点。7.根据权利要求4所述的方法，其特征在于，所述确定预设的目标词检测模型中是否存在与第i个字符匹配的一级节点之前，还包括：在第i个字符为预设的特殊字符的情况下，对第i+1个字符执行所述第一指定步骤。8.根据权利要求4所述的方法，其特征在于，所述排除属性信息包括词尾属性信息、排除词存在属性信息和排除词属性信息；根据第j个字符对应的排除属性信息确定是...

【专利技术属性】
技术研发人员：黄勇，邓成东，郭江，吴海英，蒋宁，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：