[发明专利]一种页面敏感性检测方法、装置、电子设备和存储介质

权利要求书

1.一种页面敏感性检测方法，应用于敏感页面检测，其特征在于，包括：

根据页面数据中的文本信息，得到预设关键词个数的关键词集合；

根据预先定义的敏感词字典，对所述文本信息进行多模匹配，得到预设敏感词个数的敏感词集合；

将所述关键词集合与所述敏感词集合进行对比，得到用于计算页面敏感性置信度的对比结果；

根据预设置信度算法和所述对比结果计算页面数据的敏感性置信度；

根据所述敏感性置信度判断页面的敏感程度。

2.根据权利要求1所述的页面敏感性检测方法，其特征在于，根据页面数据中的文本信息，得到预设关键词个数的关键词集合，包括：

基于页面排序处理算法，对页面数据处理后得到的文本信息进行关键词提取；并根据提取出的所述的关键词之间的关联度，将所述关键词降序排列，并筛选出预设个数的关键词集合。

3.根据权利要求1所述的页面敏感性检测方法，其特征在于，根据预先定义的敏感词字典，对所述文本信息进行多模匹配，得到预设敏感词个数的敏感词集合，包括：

基于多模匹配算法和敏感词字典，得到所述文本信息中的敏感词；

根据所述敏感词出现的次数，将所述敏感词降序排列，并筛选出预设敏感词个数的敏感词集合。

4.根据权利要求1所述的页面敏感性检测方法，其特征在于，根据预设置信度算法和所述对比结果计算页面数据的敏感性置信度，包括：

确定所述关键词集合和所述敏感词集合的最大公共子集，所述最大公共子集的大小为w；

将所述敏感词出现的总次数与文章的总词数相除，得到所述敏感词的文档词频TF；

所述页面数据的敏感性置信度为：conf＝TF*w。

5.根据权利要求4所述的页面敏感性检测方法，其特征在于，确定所述页面数据的敏感性置信度conf之后，还包括：

对所述敏感性置信度conf采取线性函数进行归一化处理，

其中，所述线性函数为：

6.根据权利要求4所述的页面敏感性检测方法，其特征在于，包括：

若所述最大公共子集长度为0，则令w＝1。

7.根据权利要求4所述的页面敏感性检测方法，其特征在于，还包括：

若所述最大公共子集长度为0，当对关键词和敏感词无公共子集进行惩罚时，令w∈(0,1)。

8.一种页面敏感性检测装置，其特征在于，包括：

页面处理模块，用于根据页面数据中的文本信息，得到预设关键词个数的关键词集合；

多模匹配模块，用于根据预先定义的敏感词字典，对所述文本信息进行多模匹配，得到预设敏感词个数的敏感词集合；

对比模块，用于将所述关键词集合与所述敏感词集合进行对比，得到用于计算页面敏感性置信度的对比结果；

计算模块，用于根据预设置信度算法和所述对比结果计算页面数据的敏感性置信度；

判断模块，用于根据所述敏感性置信度判断页面的敏感程度。

9.一种页面敏感性检测电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的页面敏感性检测方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至7任一项所述的方法的步骤。