中文脏话识别的解决方案

本文来自网易云社区

要识别，先定义脏话的概念。谩骂、人身攻击等粗俗语言均可定义为脏话。这类内容如果频繁出现在社区、产品评论中，对产品氛围的维护有相当大的负面影响。

网易云安全（易盾）将这类内容统称为“谩骂”，也是垃圾内容的一个类别。识别方案包含以下几种：

1）关键词识别：中文谩骂内容常出现的类目，易盾已覆盖了绝大部分，积累了大量的垃圾样本，涵盖了目前常出现的垃圾内容，可以准确识别；

2）模型识别：将谩骂样本加入训练库，提取相同特征，由模型对文本进行识别。模型也将随模型的训练提高精度。语义识别算法可以精确识别语义，可以根据上下文内容进行语义识别，防止仅依靠关键词而造成的的误判漏判。

网易云安全（易盾）是网易云旗下一站式云安全服务，有此需要者可点击免费试用。

相关文章：
【推荐】 jq 一个强悍的json格式化查看工具
【推荐】 用RegularJS开发小程序 — mpregular解析
【推荐】 HBase - 数据写入流程解析