CN108090033A - 人名检测方法、装置、计算机可读介质及设备 - Google Patents
人名检测方法、装置、计算机可读介质及设备 Download PDFInfo
- Publication number
- CN108090033A CN108090033A CN201711444226.0A CN201711444226A CN108090033A CN 108090033 A CN108090033 A CN 108090033A CN 201711444226 A CN201711444226 A CN 201711444226A CN 108090033 A CN108090033 A CN 108090033A
- Authority
- CN
- China
- Prior art keywords
- name
- surname
- chinese character
- probability
- storehouse
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/126—Character encoding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Document Processing Apparatus (AREA)
Abstract
本发明公开了一种人名检测方法、装置、计算机可读介质及设备,其中,该方法包括:检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码;确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合;判断概率是否大于阈值;当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种人名检测方法、装置、计算机可读介质及设备。
背景技术
大数据技术的进步,推动了科技的智能化。但是,近年来个人敏感数据泄露事件频发,数据安全也越来越被重视。
2017年6月1日起施行的《网络安全法》中明确说明了运营者使用用户个人信息的原则,即“运营者不得泄露、篡改、损毁其收集的个人信息;未经被收集者同意,不得向他人提供个人信息,但是,经过处理无法识别特定个人且不能复原的除外。”其中“经过处理无法识别特定个人且不能复原”可以通过数据脱敏技术手段来实现。为了满足监管要求,防止重要数据资产泄露风险,对数据进行脱敏处理是非常有必要的。
其中,敏感数据中通常会携带人名信息,如何识别人名、抽取人名是获取敏感数据的一个重要组成部分。因此,如何有效判别出人名,是敏感数据防护中一个重要部分。
发明内容
本发明提供一种人名检测方法、装置、计算机可读介质及设备,用以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
依据本发明的第一个方面,提供了一种人名检测方法,所述方法包括:
检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码;
确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合;
判断所述概率是否大于阈值;
当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
可选的,所述检测字符编码序列中的姓氏编码之前,包括:
收集人名样本信息,根据人名样本信息建立人名库;
获取人名库中人名样本信息对应的姓氏,并确定姓氏及姓氏对应的姓氏编码。
可选的,所述根据人名样本信息建立人名库之后,还包括:
获取人名库中人名样本信息对应的汉字,获取汉字在人名库中出现的概率;
判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将汉字删除。
可选的,所述根据人名样本信息建立人名库之后,包括:
获取人名库中人名样本信息对应的汉字,将汉字进行组合,得到汉字组合,获取汉字组合在人名库中对应的人名样本中出现的概率;
判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将汉字组合删除。
依据本发明的第二个方面,提供了一种人名检测装置,装置包括:
姓氏编码获取模块,用于检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码;
概率获取模块,用于确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合;
判断模块,用于判断所述概率是否大于阈值;
结果显示模块,用于当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
可选的,所述装置还包括建库模块,建库模块包括:
样本收集单元,用于收集人名样本信息,根据人名样本信息建立人名库;
姓氏获取单元,用于获取人名库中人名样本信息对应的姓氏,并确定姓氏及姓氏对应的姓氏编码。
可选的,所述建库模块包括:
汉字概率单元,用于获取人名库中人名样本信息对应的汉字,获取汉字在人名库中出现的概率;
汉字概率比较单元,用于判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将汉字删除。
可选的,所述建库模块还包括:
汉字组合概率单元,用于获取人名库中人名样本信息对应的汉字,将汉字进行组合,得到汉字组合,获取汉字组合在人名库中对应的人名样本中出现的概率;
汉字组合概率比较单元,判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将汉字组合删除。
依据本发明的第三个方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有人名检测程序,当人名检测程序被至少一个处理器执行时,导致至少一个处理器执行本发明实施例提供的方法步骤。
依据本发明的第四个方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的人名检测程序,处理器执行人名检测程序时实现本发明实施例提供的方法步骤。
根据本发明的一种人名检测方法、装置、计算机可读介质及设备,通过检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码;确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合;判断概率是否大于阈值;当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明第一实施例提供的一种人名检测方法的流程图;
图2为本发明第二实施例提供的一种人名检测方法的流程图;
图3为本发明第三实施例提供的一种人名检测方法的流程图;
图4为本发明第四实施例提供的一种人名检测方法的流程图;
图5为本发明第五实施例提供的一种人名检测装置的功能模块示意图;
图6为本发明第六实施例提供的一种人名检测装置的功能模块示意图;
图7为本发明第七实施例提供的一种人名检测装置的功能模块示意图;
图8为本发明第八实施例提供的一种人名检测装置的功能模块示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
请参阅图1,为本发明第一实施例提供的一种人名检测方法的流程图。本实施例中,所述人名检测方法包括如下步骤:
步骤S101,检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码。
其中,字符编码序列是由字符编码构成的序列,该字符编码为待检测数据中文字对应的编码。
具体实施时,获取待检测数据中对应的字符编码,根据所述字符编码生成对应的字符编码序列。确定该字符编码序列中的姓氏编码,在所述姓氏编码序列中获取所述姓氏编码后对应的字符编码。如,当检测到字符编码序列中含有百家姓中对应姓氏的字符编码时,可判断该字符编码为姓氏编码,并获取该姓氏编码后对应的字符编码。
步骤S102,确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合。
需要说明的是,人名库可以是现有的人名库数据。人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字和汉字组合。
可以清楚的是,当检测到字符编码序列中对应有姓氏编码时,获取该姓氏编码后对应的字符编码。确定字符对应的汉字或汉字组合,并计算所述汉字或汉字组合在所述人名库中出现在所述姓氏编码对应的姓氏后的概率。其中,获得所述汉字或汉字组合在所述人名库中出现在所述姓氏编码对应的姓氏后的概率,具体可以包括,在人名库中获取所述汉字或汉字组合在所述氏编码对应的姓氏后的人名样本信息的个数,通过汉字或汉字组合在所述氏编码对应的姓氏后的人名样本信息的个数与所述人名库中所述的人名样本信息总个数的比值获得所述概率。
具体实施时,如,检测到字符编码序列中含有“王”对应的姓氏编码,在所述字符序列中获取“王”对应的姓氏编码后的字符编码,其中,可以选择一个字对应的字符编码,也可以选择两个字对应的字符编码,并将所述两个字对应的字符编码进行组合,以便于获得字符编码对应的汉字或汉字组合,其中,可以是一个汉字,如,“兴”“馨”,在汉语中带有褒义词或高尚品质意义的汉字;当然,也可是多个汉字组合,如,“建国”“中秋”,在汉语寓意中带有特殊意义或时节的汉字组合。
步骤S103,判断所述概率是否大于阈值。
需要指出的是,该阈值的大小可以根据开发者根据待测数据的检测精度设定。如,当检测到汉字和汉字组合出现在姓氏编码对应的姓氏后的概率远高于预设阈值,判断该姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
步骤S104,当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
需要清楚的是,当检测到汉字和汉字组合出现在姓氏编码对应的姓氏后的概率满足阈值规定的范围时,判断该姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
通过检测字符编码序列中的姓氏编码,并在所述字符编码序列中获取所述姓氏编码后的字符编码,根据所述姓氏编码后的字符编码确定字符编码对应的汉字或汉字组合,当在人名库中所述汉字或汉字组合出现在姓氏编码对应的姓氏后的概率大于阈值时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
请参阅图2,为本发明第二实施提供的一种人名检测方法的流程图。本实施例中,所述人名检测方法包括如下步骤:
步骤S201,收集人名样本信息,根据人名样本信息建立人名库。
需要清楚的是,收集人名样本信息可通过现有的人名数据库获取人名样本信息;以及通过大数据学习获取人名样本信息,如,通过用户的实名认证,获取用户的人名样本信息,根据所述人名样本信息建立人名库。当然,可以通过收集到的人名样本信息不断地对人名库进行更新。
步骤S202,获取人名库中人名样本信息对应的姓氏,并确定姓氏及姓氏对应的姓氏编码。
根据所述人名库中的人名样本信息获取对应的姓氏,如,获取每一人名样本信息对应的姓氏。其中,该姓氏可以为单一姓氏也可以为双姓氏,并根据所述姓氏获取所述姓氏对应的姓氏编码。
步骤S203,检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码。
步骤S204,确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合。
步骤S205,判断所述概率是否大于阈值。
步骤S206,当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
可以清楚的是,本发明实施例中,步骤S203至步骤S206已在第一实施例中进行了详细说明,在此不作赘述。本发明实施例通过检测字符编码序列中的姓氏编码,并在所述字符编码序列中获取所述姓氏编码后的字符编码,根据所述姓氏编码后的字符编码确定字符编码对应的汉字或汉字组合,当在人名库中所述汉字或汉字组合出现在姓氏编码对应的姓氏后的概率大于阈值时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
请参阅图3,为本发明第三实施提供的一种人名检测方法的流程图。本实施例中,所述人名检测方法包括如下步骤:
步骤S301,收集人名样本信息,根据人名样本信息建立人名库。
步骤S302,获取人名库中人名样本信息对应的汉字,获取汉字在人名库中出现的概率。
具体实施时,统计所述人名库中出现的汉字,人名库中每一汉字在人名样本信息中可能会出现多次,统计每一所述汉字在人名库中出现的概率。需要清楚的是,所述概率为每一汉字在出现的次数与所有汉字出现次数的总和。
步骤S303,判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将汉字删除。
具体实施时,个别人名样本信息可能会特殊化出现,因此我们需要将概率不在预设范围内的汉字删除,以减少计算机设备的计算负荷。其中,该预设的范围可以根据具体的应用场景进行设定,人名库中的人名样本信息越多,该范围精度就可以设计的更精准。
步骤S304,获取人名库中人名样本信息对应的姓氏,并确定姓氏及姓氏对应的姓氏编码。
步骤S305,检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码。
步骤S306,确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合。
步骤S307,判断所述概率是否大于阈值。
步骤S308,当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
可以清楚的是,在本发明实施例中,步骤S301、及步骤S304至步骤S308已在第二实施例中进行了详细说明,在此不作赘述。通过检测字符编码序列中的姓氏编码,并在所述字符编码序列中获取所述姓氏编码后的字符编码,根据所述姓氏编码后的字符编码确定字符编码对应的汉字或汉字组合,当在人名库中所述汉字或汉字组合出现在姓氏编码对应的姓氏后的概率大于阈值时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
请参阅图4,为本发明第四实施提供的一种人名检测方法的流程图。本实施例中,所述人名检测方法包括如下步骤:
步骤S401,收集人名样本信息,根据人名样本信息建立人名库。
步骤S402,获取人名库中人名样本信息对应的汉字,将汉字进行组合,得到汉字组合,获取汉字组合在人名库中对应的人名样本中出现的概率。
可以清楚的是,统计所述人名库中出现的汉字,将汉字进行组合,得到汉字组合。其中,将汉字进行组合可以是随机的组合,也可以是根据预设的组合方法进行组合。得到的汉字组合可以为两个汉字的组合,也可以是多个汉字的组合。获取汉字组合在人名库中对应的人名样本中出现的概率,如,该组合为“建国”,人名样本数据中出现的人名含有“X建国”“XX建国”“X建国Y”。可以清楚的是,该组合在人名库中对应的人名样本中出现的概率可以为该组合对应的人名样本数个数与所有人名样本对应的个数的比值。
步骤S403,判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将汉字组合删除。
具体实施时,个别人汉字组合可能会特殊化出现,因此我们需要将概率不在预设范围内的汉字组合删除,以减少计算机设备的计算负荷。其中,该预设的范围可以根据具体的应用场景进行设定,人名库中的人名样本信息越多,该范围精度就可以设计的更精准。
步骤S404,获取人名库中人名样本信息对应的姓氏,并确定姓氏及姓氏对应的姓氏编码。
步骤S405,检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码。
步骤S406,确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合。
步骤S407,判断所述概率是否大于阈值。
步骤S408,当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
可以清楚的是,在本发明实施例中,步骤S401、及步骤S404至步骤S408已在第二实施例中进行了详细说明,在此不作赘述。通过检测字符编码序列中的姓氏编码,并在所述字符编码序列中获取所述姓氏编码后的字符编码,根据所述姓氏编码后的字符编码确定字符编码对应的汉字或汉字组合,当在人名库中所述汉字或汉字组合出现在姓氏编码对应的姓氏后的概率大于阈值时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
请参阅图5,为本发明第五实施例提供的人名检测装置100的功能模块示意图。应用于计算机设备该人名检测装置100包括姓氏编码获取模块102、概率获取模块103、判断模块104、以及结果显示模块105。该装置主要用来实现本发明实施例提供的人名检测方法,该方法主要用来解决用以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
其中,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器、服务器及其他电子设备。
姓氏编码获取模块102,用于检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码。
其中,字符编码序列是由字符编码构成的序列,该字符编码为待检测数据中文字对应的编码。
具体实施时,获取待检测数据中对应的字符编码,根据所述字符编码生成对应的字符编码序列。确定该字符编码序列中的姓氏编码,在所述姓氏编码序列中获取所述姓氏编码后对应的字符编码。如,当检测到字符编码序列中含有百家姓中对应姓氏的字符编码时,可判断该字符编码为姓氏编码,并获取该姓氏编码后对应的字符编码。
概率获取模块103,用于确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合。
需要说明的是,人名库可以是现有的人名库数据。人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字和汉字组合。
可以清楚的是,当检测到字符编码序列中对应有姓氏编码时,获取该姓氏编码后对应的字符编码。确定字符对应的汉字或汉字组合,并计算所述汉字或汉字组合在所述人名库中出现在所述姓氏编码对应的姓氏后的概率。其中,获得所述汉字或汉字组合在所述人名库中出现在所述姓氏编码对应的姓氏后的概率,具体可以包括,在人名库中获取所述汉字或汉字组合在所述氏编码对应的姓氏后的人名样本信息的个数,通过汉字或汉字组合在所述氏编码对应的姓氏后的人名样本信息的个数与所述人名库中所述的人名样本信息总个数的比值获得所述概率。
具体实施时,如,检测到字符编码序列中含有“王”对应的姓氏编码,在所述字符序列中获取“王”对应的姓氏编码后的字符编码,其中,可以选择一个字对应的字符编码,也可以选择两个字对应的字符编码,并将所述两个字对应的字符编码进行组合,以便于获得字符编码对应的汉字或汉字组合,其中,可以是一个汉字,如,“兴”“馨”,在汉语中带有褒义词或高尚品质意义的汉字;当然,也可是多个汉字组合,如,“建国”“中秋”,在汉语寓意中带有特殊意义或时节的汉字组合。
判断模块104,用于判断所述概率是否大于阈值。
需要指出的是,该阈值的大小可以根据开发者根据待测数据的检测精度设定。如,当检测到汉字和汉字组合出现在姓氏编码对应的姓氏后的概率远高于预设阈值,判断该姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
结果显示模块105,用于当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
需要清楚的是,当检测到汉字和汉字组合出现在姓氏编码对应的姓氏后的概率满足阈值规定的范围时,判断该姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
通过检测字符编码序列中的姓氏编码,并在所述字符编码序列中获取所述姓氏编码后的字符编码,根据所述姓氏编码后的字符编码确定字符编码对应的汉字或汉字组合,当在人名库中所述汉字或汉字组合出现在姓氏编码对应的姓氏后的概率大于阈值时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
请参阅图6,为本发明第六实施例提供的人名检测装置100的功能模块示意图。应用于计算机设备,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器和其他电子设备。包括姓氏编码获取模块102、概率获取模块103、判断模块104、以及结果显示模块105。可选的,在第五实施例的基础上,该装置还包括建库模块101。
其中,所述建库模块101包括:
样本收集单元1011,用于收集人名样本信息,根据人名样本信息建立人名库。
需要清楚的是,收集人名样本信息可通过现有的人名数据库获取人名样本信息;以及通过大数据学习获取人名样本信息,如,通过用户的实名认证,获取用户的人名样本信息,根据所述人名样本信息建立人名库。当然,可以通过收集到的人名样本信息不断地对人名库进行更新。
姓氏获取单元1012,用于获取人名库中人名样本信息对应的姓氏,并确定姓氏及姓氏对应的姓氏编码。
根据所述人名库中的人名样本信息获取对应的姓氏,如,获取每一人名样本信息对应的姓氏。其中,该姓氏可以为单一姓氏也可以为双姓氏,并根据所述姓氏获取所述姓氏对应的姓氏编码。
请参阅图7,为本发明第七实施例提供的人名检测装置100的功能模块示意图。应用于计算机设备,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器和其他电子设备。包括建库模块101、姓氏编码获取模块102、概率获取模块103、判断模块104、以及结果显示模块105。在第六实施例的基础上,可选的,所述建库模块101还包括:
汉字概率单元1013,用于获取人名库中人名样本信息对应的汉字,获取汉字在人名库中出现的概率。
具体实施时,统计所述人名库中出现的汉字,人名库中每一汉字在人名样本信息中可能会出现多次,统计每一所述汉字在人名库中出现的概率。需要清楚的是,所述概率为每一汉字在出现的次数与所有汉字出现次数的总和。
汉字概率比较单元1014,用于判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将汉字删除。
具体实施时,个别人名样本信息可能会特殊化出现,因此我们需要将概率不在预设范围内的汉字删除,以减少计算机的计算负荷。其中,该预设的范围可以根据具体的应用场景进行设定,人名库中的人名样本信息越多,该范围精度就可以设计的更精准。
请参阅图8,为本发明第八实施例提供的人名检测装置100的功能模块示意图。应用于计算机设备,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器和其他电子设备。包括建库模块101、姓氏编码获取模块102、概率获取模块103、判断模块104、以及结果显示模块105。在第六实施例的基础上,可选的,所述建库模块101还包括:
汉字组合概率单元1015,用于获取人名库中人名样本信息对应的汉字,将汉字进行组合,得到汉字组合,获取汉字组合在人名库中对应的人名样本中出现的概率。
可以清楚的是,统计所述人名库中出现的汉字,将汉字进行组合,得到汉字组合。其中,将汉字进行组合可以是随机的组合,也可以是根据预设的组合方法进行组合。得到的汉字组合可以为两个汉字的组合,也可以是多个汉字的组合。获取汉字组合在人名库中对应的人名样本中出现的概率,如,该组合为“建国”,人名样本数据中出现的人名含有“X建国”“XX建国”“X建国Y”。可以清楚的是,该组合在人名库中对应的人名样本中出现的概率可以为该组合对应的人名样本数个数与所有人名样本对应的个数的比值。
汉字组合概率比较单元1016,判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将汉字组合删除。
具体实施时,个别人汉字组合可能会特殊化出现,因此我们需要将概率不在预设范围内的汉字组合删除,以减少计算机的计算负荷。其中,该预设的范围可以根据具体的应用场景进行设定,人名库中的人名样本信息越多,该范围精度就可以设计的更精准。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有人名检测程序,当人名检测程序被至少一个处理器执行时,导致至少一个处理器执行如下步骤:
步骤S101,检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码。
步骤S102,确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合。
步骤S103,判断所述概率是否大于阈值。
步骤S104,当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
可选的,执行的步骤可替换为步骤S201至步骤S206、步骤S301至步骤S308、以及步骤S401至步骤S408。
由于在第一实施例至第四实施例中已经对人名检测方法实施过程进行了详细说明,本实施例在此不作赘述。
本实施例计算机可读存储介质包括但不限于为:ROM、RAM、磁盘或光盘等。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的人名检测程序,处理器执行人名检测程序时实现如下步骤:
步骤S101,检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码。
步骤S102,确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合。
步骤S103,判断所述概率是否大于阈值。
步骤S104,当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。
可选的,执行的步骤可替换为步骤S201至步骤S206、步骤S301至步骤S308、以及步骤S401至步骤S408。
由于在第一实施例至第四实施例中已经对人名检测方法实施过程进行了详细说明,本实施例在此不作赘述。
本实施例中计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器和其他电子设备。
综上所述,本发明实施例公开了一种人名检测方法、装置、计算机可读介质及设备,涉及计算机技术领域。通过检测字符编码序列中的姓氏编码,获取姓氏编码后对应的字符编码;确定字符编码对应的汉字或汉字组合,根据人名库获取汉字或汉字组合出现在姓氏编码对应的姓氏后的概率,人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合;判断概率是否大于阈值;当判断结果为是时,判断姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合为人名。以解决现有技术中无法精准的检测到数据中是否含有人名信息的问题。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
总之,以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种人名检测方法,其特征在于,所述方法包括:
检测字符编码序列中的姓氏编码,获取所述姓氏编码后对应的字符编码;
确定所述字符编码对应的汉字或汉字组合,根据人名库获取所述汉字或汉字组合出现在所述姓氏编码对应的姓氏后的概率,所述人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合;
判断所述概率是否大于阈值;
当判断结果为是时,判断所述姓氏编码对应的姓氏和所述字符编码对应的汉字或汉字组合为人名。
2.根据权利要求1所述的方法,其特征在于,所述检测字符编码序列中的姓氏编码之前,包括:
收集人名样本信息,根据所述人名样本信息建立人名库;
获取所述人名库中所述人名样本信息对应的姓氏,并确定所述姓氏及所述姓氏对应的姓氏编码。
3.根据权利要求2所述的方法,其特征在于,所述根据所述人名样本信息建立人名库之后,还包括:
获取所述人名库中所述人名样本信息对应的汉字,获取所述汉字在所述人名库中出现的概率;
判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将所述汉字删除。
4.根据权利要求2所述的方法,其特征在于,所述根据所述人名样本信息建立人名库之后,包括:
获取所述人名库中所述人名样本信息对应的汉字,将所述汉字进行组合,得到汉字组合,获取所述汉字组合在所述人名库中对应的人名样本中出现的概率;
判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将所述汉字组合删除。
5.一种人名检测装置,其特征在于,所述装置包括:
姓氏编码获取模块,用于检测字符编码序列中的姓氏编码,获取所述姓氏编码后对应的字符编码;
概率获取模块,用于确定所述字符编码对应的汉字或汉字组合,根据人名库获取所述汉字或汉字组合出现在所述姓氏编码对应的姓氏后的概率,所述人名库中包括姓氏编码对应的姓氏和字符编码对应的汉字或汉字组合;
判断模块,用于判断所述概率是否大于阈值;
结果显示模块,用于当判断结果为是时,判断所述姓氏编码对应的姓氏和所述字符编码对应的汉字或汉字组合为人名。
6.根据权利要求5所述的装置,其特征在于,还包括建库模块,所述建库模块包括:
样本收集单元,用于收集人名样本信息,根据所述人名样本信息建立人名库;
姓氏获取单元,用于获取所述人名库中所述人名样本信息对应的姓氏,并确定所述姓氏及所述姓氏对应的姓氏编码。
7.根据权利要求6所述的装置,其特征在于,所述建库模块包括:
汉字概率单元,用于获取所述人名库中所述人名样本信息对应的汉字,获取所述汉字在所述人名库中出现的概率;
汉字概率比较单元,用于判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将所述汉字删除。
8.根据权利要求6所述的装置,其特征在于,所述建库模块还包括:
汉字组合概率单元,用于获取所述人名库中所述人名样本信息对应的汉字,将所述汉字进行组合,得到汉字组合,获取所述汉字组合在所述人名库中对应的人名样本中出现的概率;
汉字组合概率比较单元,判断所述概率是否在预设的范围内,当所述概率不在预设的范围内时,在人名库中将所述汉字组合删除。
9.一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存储有人名检测程序,当所述人名检测程序被至少一个处理器执行时,导致所述至少一个处理器执行如权利要求1至4任意一项所述的方法步骤。
10.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人名检测程序,所述处理器执行所述人名检测程序时实现权利要求1至4中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711444226.0A CN108090033A (zh) | 2017-12-27 | 2017-12-27 | 人名检测方法、装置、计算机可读介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711444226.0A CN108090033A (zh) | 2017-12-27 | 2017-12-27 | 人名检测方法、装置、计算机可读介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108090033A true CN108090033A (zh) | 2018-05-29 |
Family
ID=62178462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711444226.0A Pending CN108090033A (zh) | 2017-12-27 | 2017-12-27 | 人名检测方法、装置、计算机可读介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108090033A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131871A (zh) * | 2020-09-22 | 2020-12-25 | 平安国际智慧城市科技股份有限公司 | 识别中文人名的方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1755669A (zh) * | 2004-09-29 | 2006-04-05 | 松下电器产业株式会社 | 人名输入处理方法及系统 |
CN101359254A (zh) * | 2007-08-03 | 2009-02-04 | 北京搜狗科技发展有限公司 | 一种提高姓名词条输入效率的字符输入方法和系统 |
CN101894158A (zh) * | 2010-07-21 | 2010-11-24 | 同方知网(北京)技术有限公司 | 一种智能检索系统 |
CN102193709A (zh) * | 2010-03-01 | 2011-09-21 | 腾讯科技(深圳)有限公司 | 一种字符输入方法及装置 |
EP2605150A1 (en) * | 2011-12-16 | 2013-06-19 | Presans | Method for identifying the named entity that corresponds to an owner of a web page |
-
2017
- 2017-12-27 CN CN201711444226.0A patent/CN108090033A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1755669A (zh) * | 2004-09-29 | 2006-04-05 | 松下电器产业株式会社 | 人名输入处理方法及系统 |
CN101359254A (zh) * | 2007-08-03 | 2009-02-04 | 北京搜狗科技发展有限公司 | 一种提高姓名词条输入效率的字符输入方法和系统 |
CN102193709A (zh) * | 2010-03-01 | 2011-09-21 | 腾讯科技(深圳)有限公司 | 一种字符输入方法及装置 |
CN101894158A (zh) * | 2010-07-21 | 2010-11-24 | 同方知网(北京)技术有限公司 | 一种智能检索系统 |
EP2605150A1 (en) * | 2011-12-16 | 2013-06-19 | Presans | Method for identifying the named entity that corresponds to an owner of a web page |
Non-Patent Citations (1)
Title |
---|
刘秉伟 等: "基于统计方法的中文姓名识别", 《中文信息学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131871A (zh) * | 2020-09-22 | 2020-12-25 | 平安国际智慧城市科技股份有限公司 | 识别中文人名的方法、装置、设备及存储介质 |
CN112131871B (zh) * | 2020-09-22 | 2023-06-30 | 平安国际智慧城市科技股份有限公司 | 识别中文人名的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615116A (zh) | 一种电信诈骗事件检测方法和检测系统 | |
CN111914468A (zh) | 一种空气污染智能监控分析方法及装置 | |
CN113254978B (zh) | 一种基于机器学习的数据安全管理系统 | |
CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
CN110059468A (zh) | 一种小程序风险识别方法和装置 | |
CN111078880B (zh) | 子应用的风险识别方法以及装置 | |
CN110909348A (zh) | 一种内部威胁检测方法及装置 | |
CN111931047B (zh) | 基于人工智能的黑产账号检测方法及相关装置 | |
CN105069354A (zh) | 基于攻击树模型的Android软件混合检测方法 | |
CN110222513B (zh) | 一种线上活动的异常监测方法、装置及存储介质 | |
CN108399482A (zh) | 合同的评估方法、装置和电子设备 | |
CN110619535A (zh) | 一种数据处理方法及其装置 | |
CN111784301A (zh) | 用户画像的构建方法及装置、存储介质及电子设备 | |
CN112149124A (zh) | 一种基于异构信息网络的安卓恶意程序检测的方法和系统 | |
CN103258123A (zh) | 一种基于隐写分析系统盲性的隐写分析方法 | |
CN106301979B (zh) | 检测异常渠道的方法和系统 | |
CN112990583A (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
CN113076961B (zh) | 一种图像特征库更新方法、图像检测方法和装置 | |
CN108090033A (zh) | 人名检测方法、装置、计算机可读介质及设备 | |
CN108509796B (zh) | 一种风险性的检测方法及服务器 | |
CN114118398A (zh) | 目标类型网站的检测方法、系统、电子设备及存储介质 | |
CN116627781A (zh) | 目标模型验证方法以及装置 | |
CN114882913A (zh) | 通话语音质检方法、装置、设备及存储介质 | |
CN112668800A (zh) | 信息处理方法、装置、介质和设备 | |
CN117056979B (zh) | 基于用户隐私数据的业务处理模型更新方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180529 |
|
RJ01 | Rejection of invention patent application after publication |