关键词扩展词表
根据目前网络语言的特点,一些敏感词会以诸如拼音、缩写、同音字等等特殊形式出现.据此,敏感词库设计关键词扩展词表用来存储敏感关键词的一些特殊形式.每一种表
现形式由一套规则生成,主要规则设计以下六种:
(1)同音字(字音变换):
关键词中以某个字的同音字替换,如“奥运会”——“澳运会”。
(2)拼音:
拼音代替汉字,如“奥运会”——“奥yun会”。
(3)插人特殊符号(插入无效符号):
在关键词中任意位置插入特殊符号,如“奥运会”——“奥$运会”。
(4)英文代替:
关键词的英文翻译.
(5)近义词:
与关键词意义相近的词.
(6)缩写:
关键词的常用缩写形式,如“神舟六号”——“神6”.缺省为拼音首字母。
(7)字形变换:
(8)图像化:
由此针对每个关键词可以生成一共六个扩展词,根据用户需求,可对六种规则选取分别得到不同的扩展形式。
参考:
互联网舆情分析关键技术研究
基于关联词和扩展规则的敏感词库设计