《表4 敏感词变形体的部分举例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于决策树的敏感词变形体识别算法研究及应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了评估面向中文敏感词变形体识别方法的效果，本文从CSDN（https://download.csdn.net）下载了含有疑似敏感词的26 728条新浪微博文本（包含科技、体育、金融、社会、娱乐等类型）作为测试数据集。首先对数据进行预处理，然后对数据集中的敏感词及其变形体进行人工识别和分类，筛选出包含敏感词变形体的文本共3 835篇，其中共发现554个敏感词及变形体1 288个，涵盖了词的拼音、简称、拆分三种变形体情况，并将识别出的敏感词存入敏感词表中。数据集中所抽取的敏感词变形体的部分举例如表4所示。