[发明专利]一种网站不良似然度获取方法和装置

说明书

技术领域

本发明涉及互联网不良信息识别领域，尤其涉及一种网站不良似然度获取方法和装置。

背景技术

当今社会科学技术日新月异，随着我国国民经济的不断发展，人民生活水平的不断提高，互联网已经深入家庭。如今，互联网已经改变和影响了每一个人的生活，在充分体验互联网络为生活、工作带来方便、效率的同时，网络不良信息也在危害着广大青少年尤其是未成年的青少年的身心健康。目前最容易接触到网络不良信息的是手机，现在青少年近九成拥有移动手机，据不完全统计，全国拥有1.5亿19岁以下的青少年手机用户，据调查显示，80%青少年浏览过黄色、暴力和血腥等不良信息。因此，如何发现和遏制网络不良信息，保证青少年的身心健康，已经成为眼下亟待解决的问题。

发明内容

本发明提供了一种对网站的文本、图片和视频内容进行分析统计，获取网站的不良似然度的方法和装置。

为实现上述方法和装置，本发明采用以下技术方案：

一方面采用一种网站不良似然度获取方法，包括：

统计网站疑似不良文本的数目；

统计网站疑似不良图片的数目；

统计网站疑似不良视频的数目；

根据疑似不良文本的数目、疑似不良图片的数目和疑似不良视频的数目获取网站的不良似然度。

其中，所述统计网站疑似不良文本的数目，包括：

用预设的不良关键字字库与网站中的每个文本文件的文字进行匹配；

统计每个文本文件中不良关键字匹配个数和总次数；

当文本文件中的不良关键字匹配个数和次数均达到阈值时，将该文本文件标记为疑似不良文本，统计网站中的疑似不良文本的数目。

其中，所述统计网站疑似不良图片的数目，包括：

提取网站中每张图片的肤色、纹理和姿态参数；

根据图片的肤色、纹理和姿态参数对图片进行不良疑似度打分；

当图片的分数在预设范围内时，将该图片标记为疑似不良图片，统计网站中的疑似不良图片数目。

其中，所述统计网站疑似不良视频的数目，包括：

从网站的每个视频中抽取关键帧；

提取每个关键帧的肤色、纹理和姿态参数；

根据关键帧的肤色、纹理和姿态参数对关键帧进行不良疑似度打分；

当关键帧的分数在预设范围内时，将该关键帧标记为疑似不良帧；

当视频的疑似不良帧占视频关键帧的比例达到预设的阈值时，将该视频标记为疑似不良视频，统计网站疑似不良视频的数目。

其中，所述根据疑似不良文本的数目、疑似不良图片的数目和疑似不良视频的数目获取网站的不良似然度，具体为：

根据疑似不良文本、疑似不良图片和疑似不良视频的数目，预设的权重，预设的置信度获取网站的不良似然度；所述不良似然度的获取方法为：

S＝α×Z₁×S₁+β×Z₂×S₂+γ×Z₃×S₃

其中，S表示网站的不良似然度值；α表示文本的权重；Z₁表示文本的置信度；S₁表示疑似不良文本的数量；β表示图片的权重；Z₂表示图片的置信度；S₂表示疑似不良图片的数量；γ表示视频的权重；Z₃表示视频的置信度；S₃表示疑似不良视频的数量；α+β+γ＝1。

另一方面采用一种网站不良似然度获取装置，包括：

第一统计单元，用于统计网站疑似不良文本的数目；

第二统计单元，用于统计网站疑似不良图片的数目；

第三统计单元，用于统计网站疑似不良视频的数目；

似然度计算单元，用于根据疑似不良文本的数目、疑似不良图片的数目和疑似不良视频的数目获取网站的不良似然度。

其中，所述第一统计单元包括：

关键字匹配模块，用于用预设的不良关键字字库与网站中的每个文本文件的文字进行匹配；

数目统计模块，用于统计每个文本文件中不良关键字匹配个数和总次数；

文本计数模块，用于当文本文件中的不良关键字匹配个数和次数均达到阈值时，将该文本文件标记为疑似不良文本，统计网站中的疑似不良文本的数目。

其中，所述第二统计单元包括：

图片参数提取模块，用于提取网站中每张图片的肤色、纹理和姿态参数；

图片打分模块，用于根据图片的肤色、纹理和姿态参数对图片进行不良疑似度打分；