面向中文敏感词变形体的识别方法研究

摘要: 为净化网络环境，需要对网络信息进行审查。针对网络信息中所包含的敏感词，尤其是中文敏感词变形体的识别成为了一个迫切需要解决的问题。通过分析汉字的结构和读音等特征提出了一种中文敏感词变形体的识别方法。该方法针对词的拼音、词的简称和词的拆分三种敏感词变形体分别设计了基于易混拼音分组的敏感词的识别算法（SPGR）、字符串的简称识别算法（SNR）和基于KMP的汉字拆分识别算法（WS-KMP），有效提高了敏感词审查的准确率和效率。实验结果表明，该方法在识别中文敏感词变形体的时候有较高的查全率和查准率。