敏感词之 DFA 算法

敏感词之 DFA 算法

常用算法

遍历匹配

将输入的词语，与词库中的敏感词逐个字符遍历，对比是否包含

优点：思路简单，易于实现（KMP 算法，Brute-Force 算法）

缺点：当词库数目非常大时，单纯只是匹配，其实性能依然非常的低。

正则表达式

优点：匹配能力强，抗变种敏感词

缺点：性能极弱

什么是DFA

DFA（deterministic finite automaton）确定有限状态自动机或确定有限自动机，其由一个有限状态集合和一些从一个状态通向另一个状态的边，每条边上标记有一个符号，其中一个状态是初态，某些状态是终态。但不同于不确定的有限自动机，DFA中不会有从同一状态出发的两条边标志有相同的符号。

可以类比日常中使用的工作流，每个工作的流程都是确定且数目固定的（提交申请->上级审批->得到回复），当前流程的结果是下级流程触发的前提

在实现敏感词过滤的算法中，必须要减少运算，而DFA在DFA算法中几乎没有什么计算，有的只是状态的转换。

例子

诚然，加入在我们的敏感词库中存在如下几个敏感词：日本人、日本鬼子。

那么我需要构建成一个搜索树

Plain Text
query 日 ---> {本}、query 本 --->{人、鬼子}、query 人 --->{null}、query 鬼 ---> {子}

形如下结构：

这样我们就将我们的敏感词库构建成了一个类似一颗的树，这样我们判断一个词是否为敏感词时就大大减少了检索的匹配范围。比如我们要判断日本人，根据第一个字我们就可以确认需要检索的是那棵树，然后再在这棵树中进行检索。

具体流程

以Java中的HashMap为例来实现DFA算法。

具体过程如下：

日本人，日本鬼子为例

1、在hashMap中查询“日”看其是否在hashMap中存在，如果不存在，则证明已“日”开头的敏感词还不存在，则我们直接构建这样的一棵树。跳至3。

2、如果在hashMap中查找到了，表明存在以“日”开头的敏感词，设置hashMap = hashMap.get(“日”)，跳至1，依次匹配“本”、“人”。

3、判断该字是否为该词中的最后一个字。若是表示敏感词结束，设置标志位 isEnd = 1，否则设置标志位 isEnd = 0；

参考

确定有限状态自动机 - 维基百科，自由的百科全书 (wikipedia.org)

java 敏感词之 DFA 算法(Tire Tree 算法)详解

使用DFA实现文字过滤 - 数据结构 - Tech - ITeye论坛

敏感词之 DFA 算法相关推荐

敏感词过滤 - DFA算法[确定有穷自动机]的Java 实现
文章目录敏感词过滤 - DFA算法[确定有穷自动机]的Java 实现敏感词过滤 - DFA算法[确定有穷自动机]的Java 实现代码如下 package utils;import com.goo ...
对敏感词过滤(DFA算法)的思考与理解
对敏感词过滤的思考与理解一.技术概述 1.这个技术是干什么用的? 2.学习这个技术的原因 3.技术的难点在哪二.技术详述 1.流程图 2.代码三.技术过程中遇见的问题和解决过程四.总结五.参 ...
Java 敏感词过滤(DFA有穷自动机)
Java 敏感词过滤 DFA有穷自动机初始化敏感词构建树查询完整代码如下后记初始化敏感词使用set集合,可以查询数据库. /*** 初始化值* @return*/private stat ...
违禁词过滤器 DFA算法升级版
敏感词|屏蔽字过滤器 DFA算法升级版增加严格模式强力去除敏感词该算法经测试在 13993 个敏感词中过滤 26 个字符的文字耗时为:0 ms package test1;import java. ...
java dfa 敏感词_java利用DFA算法实现敏感词过滤功能
前言敏感词过滤应该是不用给大家过多的解释吧?讲白了就是你在项目中输入某些字(比如输入xxoo相关的文字时)时要能检测出来,很多项目中都会有一个敏感词管理模块,在敏感词管理模块中你可以加入敏感词,然 ...
dfa算法 java_java实现敏感词过滤（DFA算法）
小Alan在最近的开发中遇到了敏感词过滤,便去网上查阅了很多敏感词过滤的资料,在这里也和大家分享一下自己的理解. 在写之前,小Alan给大家推荐一篇来自http://cmsblogs.com/?p=1 ...
敏感词过滤工具类（DFA算法匹配字典）
直接调用方法:wordFilter package com.util;import java.io.BufferedReader; import java.io.FileNotFoundExcepti ...
Java实现敏感词过滤 - IKAnalyzer中文分词工具
IKAnalyzer 是一个开源的,基于java语言开发的轻量级的中文分词工具包. 官网: https://code.google.com/archive/p/ik-analyzer/ 本用例借助 I ...
java使用DFA算法实现敏感词过滤
Java使用DFA算法实现敏感词过滤 DFA,全称 Deterministic Finite Automaton 即确定有穷自动机. 其特征为:有一个有限状态集合和一些从一个状态通向另一个状态的边,每 ...

敏感词之 DFA 算法

敏感词之 DFA 算法相关推荐

最新文章

热门文章