关键词扩展词表

根据目前网络语言的特点，一些敏感词会以诸如拼音、缩写、同音字等等特殊形式出现．据此，敏感词库设计关键词扩展词表用来存储敏感关键词的一些特殊形式．每一种表

现形式由一套规则生成，主要规则设计以下六种：

 

(1)同音字（字音变换）：

关键词中以某个字的同音字替换，如“奥运会”——“澳运会”。

(2)拼音：

拼音代替汉字，如“奥运会”——“奥yun会”。

(3)插人特殊符号（插入无效符号）：

在关键词中任意位置插入特殊符号，如“奥运会”——“奥$运会”。

(4)英文代替：

关键词的英文翻译．

(5)近义词：

与关键词意义相近的词．

(6)缩写：

关键词的常用缩写形式，如“神舟六号”——“神6”．缺省为拼音首字母。

(7)字形变换：

(8)图像化：

 

由此针对每个关键词可以生成一共六个扩展词，根据用户需求，可对六种规则选取分别得到不同的扩展形式。

 

参考：

互联网舆情分析关键技术研究

基于关联词和扩展规则的敏感词库设计