不良文本变体关键词识别的词汇串相似度计算

• 作者: 吴承荣 曾剑平 李少卿 钟亦平
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 变体 字符串相似度 算法 编辑距离 内容过滤
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 151-157
• 页数: 7页
• 分类号: TP301.6
• 字数: 7085字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.03.036

摘要

随着网络技术的发展，网络空间出现了各种各样的文本交流类网络应用，如聊天室、BBS 等。为维护网络环境的文明，这些网络应用中会将用户发表的“脏话”词汇进行过滤。有些恶意用户为了避免所发信息被系统过滤，经常会将“脏话”词汇进行变形处理，如何识别这些变形后的“脏话”词汇，是一个重要的问题。通过计算变异敏感词汇相似度，来对变形词汇进行识别。该方法具有如下特点：（1）计算结果接近于人脑识别的结果；（2）计算所用的时间复杂度较低；（3）对变体识别率较高。根据计算的相似度值，来决定是否对该疑似敏感词进行过滤。实验数据表明，所提出的相似度计算方法好于现有的算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴承荣	复旦大学计算机科学技术学院	32	279	7.0	16.0
2	钟亦平	复旦大学计算机科学技术学院	70	1621	14.0	39.0
3	曾剑平	复旦大学计算机科学技术学院	17	145	5.0	12.0
4	李少卿	复旦大学计算机科学技术学院	1	7	1.0	1.0