js實(shí)現(xiàn)敏感詞過濾算法及實(shí)現(xiàn)邏輯
最近弄了一個(gè)用戶發(fā)表評(píng)論的功能,用戶上傳了評(píng)論,再文章下可以看到自己的評(píng)論,但作為社會(huì)主義接班人,踐行社會(huì)主義核心價(jià)值觀,所以給評(píng)論敏感詞過濾的功能不可少,在網(wǎng)上找了資料,發(fā)現(xiàn)已經(jīng)有非常成熟的解決方案。 常用的方案用這么兩種
1.全文搜索,逐個(gè)匹配。這種聽起來就不夠高大上,在數(shù)據(jù)量大的情況下,會(huì)有效率問題,文末有比較
2.DFA算法-確定有限狀態(tài)自動(dòng)機(jī) 附上百科鏈接確定有限狀態(tài)自動(dòng)機(jī)
DFA算法介紹
DFA是一種計(jì)算模型,數(shù)據(jù)源是一個(gè)有限個(gè)集合,通過當(dāng)前狀態(tài)和事件來確定下一個(gè)狀態(tài),即 狀態(tài)+事件=下一狀態(tài),由此逐步構(gòu)建一個(gè)有向圖,其中的節(jié)點(diǎn)就是狀態(tài),所以在DFA算法中只有查找和判斷,沒有復(fù)雜的計(jì)算,從而提高算法效率
實(shí)現(xiàn)邏輯
構(gòu)造數(shù)據(jù)結(jié)構(gòu)
將敏感詞轉(zhuǎn)換成樹結(jié)構(gòu),舉例敏感詞有著這么幾個(gè) ['日本鬼子','日本人','日本男人'] ,那么數(shù)據(jù)結(jié)構(gòu)如下(圖片引用參考文章)
每個(gè)文字是一個(gè)節(jié)點(diǎn),連續(xù)的節(jié)點(diǎn)組成一個(gè)詞, 日本人 對(duì)應(yīng)的就是中間的那條鏈,我們可以使用對(duì)象或者map來構(gòu)建樹,這里的栗子采用 map 構(gòu)建節(jié)點(diǎn),每個(gè)節(jié)點(diǎn)中有個(gè)狀態(tài)標(biāo)識(shí),用來表示當(dāng)前節(jié)點(diǎn)是不是最后一個(gè),每條鏈路必須要有個(gè)終點(diǎn)節(jié)點(diǎn),先來看下構(gòu)建節(jié)點(diǎn)的流程圖
判斷邏輯
先從文本的第一個(gè)字開始檢查,比如 你我是日本鬼子 ,第一個(gè)字 你 ,在樹的第一層找不到這個(gè)節(jié)點(diǎn),那么繼續(xù)找第二個(gè)字,到了 日 的時(shí)候,第一層節(jié)點(diǎn)找到了,那么接著下一層節(jié)點(diǎn)中查找 本 ,同時(shí)判斷這個(gè)節(jié)點(diǎn)是不是結(jié)尾節(jié)點(diǎn),若是結(jié)尾節(jié)點(diǎn),則匹配成功了,反之繼續(xù)匹配
代碼實(shí)現(xiàn)
####構(gòu)造數(shù)據(jù)結(jié)構(gòu)
/** * @description * 構(gòu)造敏感詞map * @private * @returns */ private makeSensitiveMap(sensitiveWordList) { // 構(gòu)造根節(jié)點(diǎn) const result = new Map(); for (const word of sensitiveWordList) { let map = result; for (let i = 0; i < word.length; i++) { // 依次獲取字 const char = word.charAt(i); // 判斷是否存在 if (map.get(char)) { // 獲取下一層節(jié)點(diǎn) map = map.get(char); } else { // 將當(dāng)前節(jié)點(diǎn)設(shè)置為非結(jié)尾節(jié)點(diǎn) if (map.get('laster') === true) { map.set('laster', false); } const item = new Map(); // 新增節(jié)點(diǎn)默認(rèn)為結(jié)尾節(jié)點(diǎn) item.set('laster', true); map.set(char, item); map = map.get(char); } } } return result; }
最終map結(jié)構(gòu)如下
查找敏感詞
/** * @description * 檢查敏感詞是否存在 * @private * @param {any} txt * @param {any} index * @returns */ private checkSensitiveWord(sensitiveMap, txt, index) { let currentMap = sensitiveMap; let flag = false; let wordNum = 0;//記錄過濾 let sensitiveWord = ''; //記錄過濾出來的敏感詞 for (let i = index; i < txt.length; i++) { const word = txt.charAt(i); currentMap = currentMap.get(word); if (currentMap) { wordNum++; sensitiveWord += word; if (currentMap.get('laster') === true) { // 表示已到詞的結(jié)尾 flag = true; break; } } else { break; } } // 兩字成詞 if (wordNum < 2) { flag = false; } return { flag, sensitiveWord }; } /** * @description * 判斷文本中是否存在敏感詞 * @param {any} txt * @returns */ public filterSensitiveWord(txt, sensitiveMap) { let matchResult = { flag: false, sensitiveWord: '' }; // 過濾掉除了中文、英文、數(shù)字之外的 const txtTrim = txt.replace(/[^\u4e00-\u9fa5\u0030-\u0039\u0061-\u007a\u0041-\u005a]+/g, ''); for (let i = 0; i < txtTrim.length; i++) { matchResult = checkSensitiveWord(sensitiveMap, txtTrim, i); if (matchResult.flag) { console.log(`sensitiveWord:${matchResult.sensitiveWord}`); break; } } return matchResult; }
效率
為了看出DFA的效率,我做了個(gè)簡單的小測(cè)試,測(cè)試的文本長度為5095個(gè)漢字,敏感詞詞庫中有2000個(gè)敏感詞,比較的算法分別為 DFA算法 和 String原生對(duì)象提供的 indexOf API做比較
// 簡單的字符串匹配-indexOf ensitiveWords.forEach((word) => { if (ss.indexOf(word) !== -1) { console.log(word) } })
分別將兩個(gè)算法執(zhí)行100次,得到如下結(jié)果
可直觀看出, DFA 的平均耗時(shí)是在1ms左右,最大為5ms; indexOf 方式的平均耗時(shí)在9ms左右,最大為14ms,所以DFA效率上還是非常明顯有優(yōu)勢(shì)的。
總結(jié)
以上所述是小編給大家介紹的js實(shí)現(xiàn)敏感詞過濾算法及實(shí)現(xiàn)邏輯,希望對(duì)大家有所幫助,如果大家有任何疑問請(qǐng)給我留言,小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持!
- Python實(shí)現(xiàn)敏感詞過濾的4種方法
- 基于python實(shí)現(xiàn)檢索標(biāo)記敏感詞并輸出
- laravel框架實(shí)現(xiàn)敏感詞匯過濾功能示例
- python用類實(shí)現(xiàn)文章敏感詞的過濾方法示例
- 淺談Python 敏感詞過濾的實(shí)現(xiàn)
- PHP實(shí)現(xiàn)的敏感詞過濾方法示例
- 利用Python正則表達(dá)式過濾敏感詞的方法
- Python 實(shí)現(xiàn)王者榮耀中的敏感詞過濾示例
- python 實(shí)現(xiàn)敏感詞過濾的方法
- Java實(shí)現(xiàn)DFA算法對(duì)敏感詞、廣告詞過濾功能示例
- vue實(shí)現(xiàn)檢測(cè)敏感詞過濾組件的多種思路
相關(guān)文章
Echarts實(shí)現(xiàn)暫無數(shù)據(jù)的三種方法
本文將介紹如何使用Echarts實(shí)現(xiàn)暫無數(shù)據(jù)的三種方法,詳細(xì)講解這三種方法的實(shí)現(xiàn)步驟和效果展示,幫助讀者更好地理解如何在Echarts中處理暫無數(shù)據(jù)的情況2023-08-08使用OpenLayers3 添加地圖鼠標(biāo)右鍵菜單
這篇文章主要介紹了使用OpenLayers3 添加地圖鼠標(biāo)右鍵菜單的相關(guān)資料,需要的朋友可以參考下2015-12-12在Webpack中用url-loader處理圖片和字體的問題
這篇文章主要介紹了在Webpack中用url-loader處理圖片和字體的問題及解決方法,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-04-04