基于决策树的敏感词变形体识别算法研究及应用

来源：计算机应用研究杂志2020年第5期北京时间：

作者：余敦辉,张笑笑,付聪,张万山,

单位：1.湖北大学计算机与信息工程学院,武汉430062；2.湖北省教育信息化工程技术中心,武汉430062；

摘要：针对网络中敏感词变形体识别效率不高的问题，提出了基于决策树的敏感词变形体识别算法。首先，通过分析汉字的结构和读音等特征，研究敏感词及变形体；其次，基于敏感词库构建敏感词决策树；最后，通过多因子改进模型，对微博等新媒体的文本敏感程度进行计算。实验结果表明，该算法在识别中文敏感词及变形体时，查全率和查准率最高分别可达95%和94%，与基于确定有穷自动机的改进算法相比，查全率和查准率分别提高了19.8%和21.1%；与敏感信息决策树信息过滤算法相比，查全率和查准率分别提高17.9%和18.1% 。通过分析，该算法对敏感词变形体的识别和自动过滤是有效的。

关键词：敏感词识别,敏感词变形体,决策树,敏感程度计算,多因子模型,

基金资助：国家重点研发计划资助项目(2016YFB0800401)；国家自然科学基金资助项目(61572371,61832014)；湖北省技术创新专项(重大项目)(2018ACA13)；；