[发明专利]一种识别敏感文本的方法及装置

权利要求书

1.一种识别敏感文本的方法，其特征在于，所述方法包括：

获取待识别文本，并对待识别文本进行分词，得到多个分词；

确定所述多个分词中每个分词分别对应的似然敏感值和似然非敏感值；

根据所述待识别文本的先验敏感概率、所述每个分词分别对应的似然敏感值和似然非敏感值，确定所述待识别文本是否为敏感文本；

其中：

所述多个分词包括第一分词，若敏感词库中包括所述第一分词，则所述第一分词的似然敏感值和似然非敏感值，根据所述第一分词的敏感程度值确定，所述第一分词的敏感程度值是预先确定的；若所述敏感词库中不包括所述第一分词，则所述第一分词的似然敏感值和所述第一分词的似然非敏感值根据预先确定的参数确定。

2.根据权利要求1所述的方法，其特征在于，若所述敏感词库中不包括所述第一分词，所述第一分词的似然敏感值大于所述第一分词的似然非敏感程度值。

3.根据权利要求1或2所述的方法，其特征在于，根据所述待识别文本的先验敏感概率、所述每个分词分别对应的似然敏感值和似然非敏感值，确定所述待识别文本是否为敏感文本，包括：

根据所述待识别文本的先验敏感概率和所述多个分词中每个分词的似然敏感值，确定所述待识别文本的后验敏感值；

根据所述待识别文本的先验敏感概率和所述多个分词中每个分词的似然非敏感值，确定所述待识别文本的后验非敏感值；

根据所述待识别文本的后验敏感值和所述待识别文本的后验非敏感值，确定所述待识别文本是否为敏感文本。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述多个分词中、存在于所述敏感词库中的分词的敏感程度值，对所述待识别文本的后验敏感值进行修正，修正后的所述待识别文本的后验敏感值，大于修正前的所述待识别文本的后验敏感值；

所述根据所述待识别文本的后验敏感值和所述待识别文本的后验非敏感值，确定所述待识别文本是否为敏感文本，包括：

根据所述待识别文本的后验非敏感值和所述修正后的所述待识别文本的后验敏感值，确定所述待识别文本是否为敏感文本。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

确定所述存在于所述敏感词库中的分词所属的类别；

根据所述存在于所述敏感词库中的分词的敏感程度值，对所述待识别文本的后验敏感值进行修正，包括：

根据所述存在于所述敏感词库中的分词中的目标词汇的敏感程度值，对所述待识别文本的后验敏感值进行修正，所述目标词汇所属的类别为第一类别。

6.根据权利要求3所述的方法，其特征在于，根据所述待识别文本的后验敏感值和所述待识别文本的后验非敏感值，确定所述待识别文本是否为敏感文本，包括：

若所述待识别文本的后验敏感值大于或者等于所述待识别文本的后验非敏感值，确定所述待识别文本为敏感文本；

若所述待识别文本的后验敏感值小于所述待识别文本的后验非敏感值，确定所述待识别文本为非敏感文本。

7.根据权利要求3所述的方法，其特征在于，根据所述待识别文本的后验敏感值和所述待识别文本的后验非敏感值，确定所述待识别文本是否为敏感文本，包括：

根据所述待识别文本的后验敏感值和所述待识别文本的后验非敏感值，确定所述待识别文本的后验敏感概率和所述待识别文本的后验非敏感概率；

根据所述待识别文本的后验敏感概率和所述待识别文本的后验非敏感概率，确定所述待识别文本是否为敏感文本。