1.一种电子装置,其特征在于,所述电子装置包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的文本中敏感信息的鉴定系统,所述文本中敏感信息的鉴定系统被所述处理器执行时实现如下步骤:在收到待鉴定文本后,利用预设的段落分析规则将所述待鉴定文本分成各个独立段落;
对各个独立段落进行分句,并对分得的各个语句进行分词处理;
将各个分词与预先建立的敏感词库中的各个敏感词进行匹配,得到与预先建立的敏感词库中敏感词相匹配的分词;
根据相匹配的分词所在的段落对应的预设段落权重,以及相匹配的分词对应的预设敏感词匹配权重,利用预设规则判断所述待鉴定文本中是否包含敏感信息。
2.如权利要求1所述的电子装置,其特征在于,所述预设的段落分析规则包括:检测所述待鉴定文本中是否有换行符,若有换行符,则直接将所述待鉴定文本通过检测出的换行符划分成各个独立段落;若没有换行符,则在所述待鉴定文本中句号后存在TAB符号时,进行分段,将TAB符号后的文本划分为新的段落,依次将所述待鉴定文本划分成各个独立段落;
所述对各个独立段落进行分句,并对分得的各个语句进行分词处理的步骤包括:对各个独立段落按标点符号划分成若干句子,并对分得的各个语句采用二元的Bi-Gram分词方法进行分词处理。
3.如权利要求1或2所述的电子装置,其特征在于,所述文本中敏感信息的鉴定系统被所述处理器执行时,还包括:为所述待鉴定文本中各个独立段落设置对应的预设段落权重,其中,首段落和/或尾段落的权重高于其他段落的权重;
为所述待鉴定文本中各个语句设置对应的预设语句权重,其中,在一个独立段落内,段首和/或段尾语句的权重高于其他语句的权重。
4.如权利要求3所述的电子装置,其特征在于,所述文本中敏感信息的鉴定系统被所述处理器执行时,还包括:若各个分词与预先建立的敏感词库中相匹配的敏感词为预设直接禁词,则直接判断所述待鉴定文本中包含敏感信息;
若所述待鉴定文本的分词与预先建立的敏感词库中的预设直接禁词部分相同或包含与所述预设直接禁词的相关同义词的部分,则为该分词利用预设的字符串相似算法计算得到对应的第一预设敏感词匹配权重x,公式如下:x=1/3(m/s1+m/s2+1-t/m)
其中,s1、s2为该分词以及对应的预设直接禁词的字符串长度,m为该分词以及对应的预设直接禁词之间相同字符串长度,t为去除差异长度;
若所述待鉴定文本的分词与预先建立的敏感词库中的敏感词相匹配,且相匹配的敏感词符合预设的第一词性,则检测在预先建立的敏感词库中与该第一词性的敏感词相关联的第二词性和/或第三词性的相关敏感词的匹配情况,并根据匹配情况及预设计算规则为该分词设定对应的第二预设敏感词匹配权重。
5.一种文本中敏感信息的鉴定方法,其特征在于,所述文本中敏感信息的鉴定方法包括:在收到待鉴定文本后,利用预设的段落分析规则将所述待鉴定文本分成各个独立段落;
对各个独立段落进行分句,并对分得的各个语句进行分词处理;
将各个分词与预先建立的敏感词库中的各个敏感词进行匹配,得到与预先建立的敏感词库中敏感词相匹配的分词;
根据相匹配的分词所在的段落对应的预设段落权重,以及相匹配的分词对应的预设敏感词匹配权重,利用预设规则判断所述待鉴定文本中是否包含敏感信息。
6.如权利要求5所述的文本中敏感信息的鉴定方法,其特征在于,所述预设的段落分析规则包括:检测所述待鉴定文本中是否有换行符,若有换行符,则直接将所述待鉴定文本通过检测出的换行符划分成各个独立段落;若没有换行符,则在所述待鉴定文本中句号后存在TAB符号时,进行分段,将TAB符号后的文本划分为新的段落,依次将所述待鉴定文本划分成各个独立段落;
所述对各个独立段落进行分句,并对分得的各个语句进行分词处理的步骤包括:对各个独立段落按标点符号划分成若干句子,并对分得的各个语句采用二元的Bi-Gram分词方法进行分词处理。
7.如权利要求5或6所述的文本中敏感信息的鉴定方法,其特征在于,该方法还包括:为所述待鉴定文本中各个独立段落设置对应的预设段落权重,其中,首段落和/或尾段落的权重高于其他段落的权重;
为所述待鉴定文本中各个语句设置对应的预设语句权重,其中,在一个独立段落内,段首和/或段尾语句的权重高于其他语句的权重。
8.如权利要求7所述的文本中敏感信息的鉴定方法,其特征在于,该方法还包括:若各个分词与预先建立的敏感词库中相匹配的敏感词为预设直接禁词,则直接判断所述待鉴定文本中包含敏感信息;
若所述待鉴定文本的分词与预先建立的敏感词库中的预设直接禁词部分相同或包含与所述预设直接禁词的相关同义词的部分,则为该分词利用预设的字符串相似算法计算得到对应的第一预设敏感词匹配权重x,公式如下:x=1/3(m/s1+m/s2+1-t/m)
其中,s1、s2为该分词以及对应的预设直接禁词的字符串长度,m为该分词以及对应的预设直接禁词之间相同字符串长度,t为去除差异长度;
若所述待鉴定文本的分词与预先建立的敏感词库中的敏感词相匹配,且相匹配的敏感词符合预设的第一词性,则检测在预先建立的敏感词库中与该第一词性的敏感词相关联的第二词性和/或第三词性的相关敏感词的匹配情况,并根据匹配情况及预设计算规则为该分词设定对应的第二预设敏感词匹配权重。
9.如权利要求8所述的文本中敏感信息的鉴定方法,其特征在于,所述利用预设规则判断所述待鉴定文本中是否包含敏感信息包括:按照如下公式计算得到P值:
P=a1*X1+a2*X2+a3*X3
其中,X1为所述待鉴定文本中相匹配的分词所在的段落对应的预设段落权重,X2为所述待鉴定文本中相匹配的分词所在的语句对应的预设语句权重,X3为所述待鉴定文本中相匹配的分词对应的预设敏感词匹配权重;a1、a2、a3为预先为预设段落权重X1,预设语句权重X2,以及预设敏感词匹配权重X3设置的参数权重;
将计算得到的P值与预先设定的预警阈值进行比较,若P值大于预先设定的预警阈值,则判断所述待鉴定文本中包含敏感信息。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有文本中敏感信息的鉴定系统,所述文本中敏感信息的鉴定系统被处理器执行时实现如权利要求5至9中任一项所述的文本中敏感信息的鉴定方法的步骤。