不良文本变体关键词识别的词汇串相似度计算

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。