敏感关键词：敏感词库下载

敏感关键词：敏感词库下载  文末下载

敏感词库大全，敏感词汇大全，可用于敏感词检测，敏感词过滤

敏感信息词概论

大部分论坛，为了方便管理，都进行了关于敏感词的设定。比如，当你发贴的时候带有某些事先设定的词时，这个贴是不能发出的。或者这个词被自动替换为星号(*)或叉号(X)等，或者说是被和谐掉了。在多数网站，敏感词一般是指带有敏感政治倾向（或反执政党倾向）、暴力倾向、不健康色彩的词或不文明语。也有一些网站根据自身实际情况，设定一些只适用于本网站的特殊敏感词，例如很多电子商务网站会将一些涉及侵犯知识产权，不宜销售的商品，例如“山寨”、“水货”、“盗版”、“刻录”等设置为敏感词，在商品简介中这些词是发不出来的。竞争对手的名称在一些电商网站也是无法发出的敏感词

敏感信息词举例说明

例如“Pi”这个词，在国内“Pi”绝对算的上是敏感词语，主要原因一是不雅，二是与黄色有连带关系，但在现实中，“Pi”的使用率却出奇的高，比如人们愤愤然说的“Pi民”、“Pi话”、“狗Pi不通”、“Pi滚尿流”等等，在正常的行文中经常可以看到。同时“Pi”在泰国一般用于称呼某个人，如您叫陈，则在泰国就会被称为“Pi陈”，同时果称谁为“Pipi”，那更是尊称，比如某老人或女人姓王，你叫她“Pipi王”，她会高兴得不得了。显然，在泰国“Pi”是个尊称，类似我们说老王、小罗之类。

特点

1、2017敏感信息词库整合了多个敏感词库，并添加java实现敏感词过滤的工具类，需要根据具体业务适当调整词库内容。

2、敏感词集合，共2W+的敏感词，已通过程序算法去除重复项。

3、里面整理了最新网络词库

4、考虑到各行各业需要的分词规则不同，故没有合并

5、文件为txt、xlsx文本用于敏感词过滤

百度经验敏感词排查方法

一、大致锁定敏感词出现的范围，进行替换尝试

1.明确你的经验，是否是敏感词密集型的主题，比如政治、性等在中国有管制的主题。如果是的话，那你就要注意你通篇的措辞，如何巧妙得选择词汇，避开敏感词，将是非常考验写手经验的。

2.如果只是普通主题，那可能是一些词汇的问题。这些词汇，可能还是色情（OXOX）、广告（链接、手机）、政治（人名、事件）、骂人语等一般来说你只要发现文中有此类型（不和谐）的词汇，都不用进行下一步了，直接删了或改了吧

二、对不确定的词，进行搜索尝试

1.可以在百度经验的搜索栏内对可能的敏感词进行搜索，凡是出现显示为“抱歉，没有找到包含关键词XX的经验。”就可以确定XX是敏感词了

2.在搜索框内搜索敏感词，是根据“没有结果”这个结果来判断的。而很多时候搜索的句子太长，也会没有结果。所以建议以“词”为单位进行搜

三、尝试若失败，建议通过隔离段落法来排查

1.在使用这种方法之前，你必须要明白这么做的代价。

那就是：因为使用隔离法，提交时你的文章是残缺的，若检测通过了，文章的状态会变成“提交中”

2.此时的代价有：

风险1：通过的文章有很多地方不能修改了。比如标题、分类、工具都不能修改了

风险2：可能因为段落的残损导致审核不通过。

风险3：在不断的复制粘贴中，留一份文章的附本吧，免得敏感词没照出来，文章都被剪没了

3.隔离法究竟隔离几段，留下几段呢？

方法一：

一般的方法都是减去其中一段，提交剩下的段落，以此来确定减去的段落是否含有“不当词汇”，这种方法操作起来比较方便，建议首选。

但是有两个缺点，

1.如果是最后一段含有“不当词汇”，需要每段都提交一次。（所以应该根据经验来选择隔离顺序。）

2.如果运气很差，“不当词汇”出现了不只一次，在几个段落里都有，那你用这种方法，根本查不出来啦

方法二：一段一段提交。

先提交一段，审核通过，再提交第二段，...,以此类推，直到出现不能提交的那段。但是并此方法不好，因为提交一次，就需要等待审核一次，相当耗时间。

但是这种方法克服了前面那种方法里，多段中都有敏感词却查不出来的缺点。

不过总的来说，这种方法并不常用

方法三：，不断划分文章进行排查（相当于二分法）。

把所有段落分成两部分，先隔离第二部分，提交第一部分。

第一部分若通过，则证明敏感词在第二部分中；若没通过，则证明敏感词就在第一段中。

此时选取有敏感词的那部分，再次进行划分，提交。最终可以找到那有“不当词汇”的一段。

此方法是前两种方法的折中，速度还可以，也可以查多段都有敏感词的情况，建议第一种方法不行时，用此方法