网站错别字的识别方法及装置与流程

本发明涉及互联网
技术领域：
，特别是涉及一种网站错别字的识别方法及装置。
背景技术：
：网站错别字，顾名思义是指网站所有内容网页出现的错字和别字。网站错别字的出现，原因是多方面的，其不良的影响或者危害也是不容忽视的。特别是政府网站，随着一些政策性文件的出台，错别字识别已作为政府网站硬性的考核指标项。政府网站错别字识别的主要任务在于人物和职称不对称信息的查找，例如：某某人的职称为副主任，若政府网站上展示成某某人为正主任，这种错误在政府行业是及其严重的错误，特别是对某人职称的降低更是不允许出现的；因此，能够快速、准确识别出政府网站内所有内容网页中的错别字是亟需解决的问题。目前，识别网站错别字的方式为通过人工查找的方式确定网站中是否存在错别字，由于网站中人物和职称之间的对应关系是随时变动的，因此网站错别字识别的参与人员需要每天对网站中人物和职称之间的对应关系进行学习，而网站错别字识别的参与人员的人工素质和状态存在差异，导致识别网站中错别字的准确率较低。技术实现要素：有鉴于此，本发明提供的一种网站错别字的识别方法及装置，主要目的在于提高识别网站错别字的准确率。为了解决上述问题，本发明主要提供如下技术方案：一方面，本发明提供了一种网站错别字的识别方法，该方法包括：获取待检测网站内所有内容页面，并确定第一人物与职称关系，所述第一人物与职称关系为从所述待检测网站内所有内容页面中提取的人物与职称关系；确定所述第一人物与职称关系与第二人物与职称关系是否一致，所述 第二人物与职称关系存储于人物职称库中，所述人物职称库记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系；若确定所述第一人物与职称关系与所述第二人物与职称关系不一致，则输出显示所述待检测网站中有错别字的提示信息。另一方面，本发明还提供一种网站错别字的识别装置，该装置包括：获取单元，用于获取待检测网站内所有内容页面；第一确定单元，用于在所述获取单元获取待检测网站内所有内容页面之后，确定第一人物与职称关系，所述第一人物与职称关系为从所述待检测网站内所有内容页面中提取的人物与职称关系；第二确定单元，用于确定所述第一确定单元确定的所述第一人物与职称关系与第二人物与职称关系是否一致，所述第二人物与职称关系存储于人物职称库中，所述人物职称库记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系；显示单元，用于当所述第二确定单元确定所述第一人物与职称关系与所述第二人物与职称关系不一致时，输出显示所述待检测网站中有错别字的提示信息。借由上述技术方案，本发明提供的技术方案至少具有下列优点：本发明提供的网站错别字的识别方法及装置，在识别待检测网站内的错别字时，首先，获取该待检测网站内所有内容页面，并确定第一人物与职称关系，该第一人物与职称关系为从该待检测网站内所有内容页面中提取出人物与职称关系，将第一人物与职称关系与第二人物与职称关系进行比对，确认该第一人物与职称关系与该第二人物与职称关系是否一致，其中，该第二人物与职称关系存储于人物职称库中，该人物职称库中记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系，若确定该第一人物与职称关系与该第二人物与职称关系不一致，则输出显示该待检测网站内存在错别字的提示信息；与现有技术中人工识别待检测网站中的错别字相比，本发明基于人物职称库中存储的人物与职称之间的对应关系，确定待检测网站中人物与职称之间的对应关系是否一致，若一致，则说明待检测网站内没有错别字；若不一致，则说明待检测网站中有错别 字，并输出显示待检测网站有错别字的提示信息，提高了识别待检测网站中错别字的准确率。上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本发明实施例提供的一种网站错别字的识别方法的流程图；图2示出了本发明实施例提供的更新人物职称库中的人物与职称关系方法的流程图；图3示出了本发明实施例提供的一种网站错别字的识别装置的组成框图；图4示出了本发明实施例提供的一种网站错别字的识别装置的组成框图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。本发明实施例提供一种网站错别字的识别方法，如图1所示，该方法包括：101、获取待检测网站内所有内容页面，并确定第一人物与职称关系。在本发明实施例中，扫描待检测网站中所有内容页面，提取内容页面中存在的人物与职称关系，该人物与职称关系为第一人物与职称关系，在 该第一人物与职称关系中，可能会存在以下情况：人物与职称不对应、人物与职称对应。在扫描待检测网站所有内容页面中存在的第一人物与职称关系时，可能会提取出一个人物与职称关系，也可能提取出至少两个人物与职称关系。本发明实施例对第一人物与职称关系的个数不进行限定。102、确定所述第一人物与职称关系与第二人物与职称关系是否一致。本发明实施例中，所述第二人物与职称关系存储于人物职称库中，所述人物职称库中记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系。在步骤101确定出第一人物与职称关系之后，从人物职称库中获取第二人物与职称关系，在从人物职称库获取第二人物与职称关系时，根据第一人物与职称关系中的人物与职称分别获取出于该人物对应的职称，以及与该职称对应的人物。示例性的，如表1所示，表1示出了本发明实施例提供的人物职称库的示意图；假设，第一人物与职称关系为：“张三是XX副省长”，在向人物职称库获取第二人物与职称关系时，首先，基于“张三”遍历该人物职称库，确定“张三”及其对应的职位；再基于“XX副省长”遍历该人物职称库，确定“XX副省长”及其对应的人物，以确保第一人物与职称关系与第二人物与职称关系一致，从而提高了识别网站中错别字的准确率。其中，表1仅为示例性的举例，本发明实施例对人物职称库中的具体表现形式不进行具体限定。表1序号人物职称1李四XX县长2张三XX省副省长3王五XX人事处处长………………需要说明的是，本发明实施例所述确定第一人物与职称关系与第二人物与职称关系是否一致包括：第一，确定第一人物与职称关系中的人物与第二人物与职称关系中的人物是否一致；第二，确定第一人物与职称关系 中的职称与第二人物与职称关系中的职称是否一致；第三，确定人物与职称之间的关系是否一致。103、若确定所述第一人物与职称关系与所述第二人物与职称关系不一致，则输出显示所述待检测网站中有错别字的提示信息。当确定第一人物与职称关系与第二人物与职称关系不一致时，说明待检测网站中存在错别字，输出显示待检测网站中有错别字的提示信息；当确定第一人物与职称关系与第二人物与职称关系一致时，说明待检测网站中没有错别字。作为本发明实施例的一种实现方式，在输出显示待检测网站中有错别字的提示信息时，输出显示该错别字出现在待检测网站的具体位置，但不包含如何该错别字进行修改；作为本发明实施例的另一种实现方式，在输出显示待检测网站中有错别字的提示信息时，输出显示该错别字出现在待检测网站的具体位置，同时输出显示如何对该错别字进行修改。作为本发明实施例的一种优选方案，在输出显示待检测网站中有错别字的提示信息时，同时输出如何对该错别字进行修改，以便于待检测网站的运维人员对识别到的错别字进行修改。本发明实施例对输出显示待检测网站中有错别字的提示信息输出的具体内容不进行限定。本发明提供的网站错别字的识别方法，在识别待检测网站内的错别字时，首先，获取该待检测网站内所有内容页面，并确定第一人物与职称关系，该第一人物与职称关系为从该待检测网站内所有内容页面中提取出人物与职称关系，将第一人物与职称关系与第二人物与职称关系进行比对，确认该第一人物与职称关系与该第二人物与职称关系是否一致，其中，该第二人物与职称关系存储于人物职称库中，该人物职称库中记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系，若确定该第一人物与职称关系与该第二人物与职称关系不一致，则输出显示该待检测网站内存在错别字的提示信息；与现有技术中人工识别待检测网站中的错别字相比，本发明实施例基于人物职称库中存储的人物与职称之间的对应关系，确定待检测网站中人物与职称之间的对应关系是否一致，若一致，则说明待检测网站内没有错别字；若不一致，则说明待检测网站中有错别字，并输出显示待检测网站有错别字的提示信息，提高了识别待检测网站 中错别字的准确率。进一步的，在本发明实施例中，人物职称库作为识别待检测网站中人物与职称关系的核心，在确定所述第一人物与职称关系与第二人物与职称关系是否一致之前，根据预设官方媒体网站的页面内容中包含的人物与职称关系生成人物职称库，所述人物职称库中记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系，其中，所述预设官方媒体为人为设置的，在设置预设官方媒体时可以包含但不局限于以下内容，例如：人民日报、新华社、北京日报等各地区日报等等，本发明实施例对预设官方媒体不进行具体限定。需要说明的是，确保人物职称库中人物与职称关系的准确性是确保提高识别待检测网站错别字的前提，为了能够确保人物职称库中人物与职称关系的准确性，在设置所述预设官方媒体时需要设置至少两个的预设官方媒体，通常，预设官方媒体设置的越多，人物与职称关系的准确率越高；但是，预设官方媒体的数量是限制人物职称库更新周期的前提，在设置预设官方媒体的数量时也不宜设置的过多。本发明实施例对设置预设官方媒体的数量不进行限制，在设置预设官方媒体时需要根据待检测网站的具体内容等信息。进一步的，在根据所述预设官方媒体网站的页面内容中包含的人物与职称关系生成人物职称库之后，需要对该人物职称库中的人物与职称关系进行实时更新，以确保识别待检测网站中错别字的准确率。在根据所述预设官方媒体网站的页面内容中包含的人物与职称关系生成人物职称库之后，更新所述人物职称库中的所述人物与职称关系，以确保人物职称库中的人物与职称关系与预设官方媒体新公布网站的页面内容中的人物与职称关系一致，从而确保识别待检测网站错别字的准确率。进一步的，在更新所述人物职称库中的所述人物与职称关系时，如图2所示，可以采用但不局限于以下方式，例如：201、基于爬虫程序获取所述预设官方媒体网站的页面内容。在基于爬虫程序获取预设官方媒体网站的页面内容时，可以对爬虫程序的执行时间间隔进行设置，例如，设置爬虫程序的开始执行时间为08:00，执行爬虫程序的时间间隔为30分钟；或者设置爬虫程序的开始执行时间为 07:30，执行爬虫程序的时间间隔为20分钟。基于爬虫程序获取预设官方媒体网站的页面内容，在该时间间隔内，可能会确定新的人物与职称之间的对应关系，也可能不会确定人物与职称之间的对应关系；当确定新的人物与职称之间的对应关系时，需要将新确定的人物与职称之间的对应关系在人物职称库中进行实时更新。本发明实施例对爬虫程序开始执行的时间即执行过程中的时间间隔不进行具体限定。202、对所述预设官方媒体网站的页面内容进行分析。对步骤201获取的页面内容进行解析，提取出该些页面内容内的所有实体，包括：人物、机构、地点、及职位等特定的名词，然后在从该些特定的名词中找出人物名称，再在该人物名称对应的句子中匹配修饰该人物名称的职称名称，最后建立人物与职称之间的对应关系。203、获取从不同预设官方媒体网站的页面内容中分析的人物与职称关系。204、确定从不同预设官方媒体网站的页面内容中分析的人物与职称关系是否存在差异。若存在差异，则执行步骤205；若未存在差异，则执行步骤207。由于预设官方媒体的数量至少为两个，不同的预设官方媒体中出现的人物与职称关系可能存在差异，因此，在步骤203获取从不同预设官方媒体网站的页面内容中分析的人物与职称关系之后，需要确定从不同预设官方媒体网站的页面内容中分析的人物与职称关系是否存在差异。示例性的，假设，从预设官方媒体网站的页面内容1中获取张三为XX副省长、王五为XX人事处处长；从预设官方媒体网站的页面内容2中获取张三为XX副省长、王五为XX人事处副处长；则确定预设官方媒体网站的页面内容1中的王五为XX人事处处长与预设官方媒体网站的页面内容2中王五为XX人事处副处长存在差异，执行步骤205；确定确定预设官方媒体网站的页面内容1与确定预设官方媒体网站的页面内容2中的张三为XX副省长不存在差异，执行步骤207。205、基于权重值对不同预设官方媒体网站的页面内容中分析的人物与职称关系进行加权处理。本发明实施例中，所述权重值与不同预设官方媒体一一对应，该权重值的确定是根据预设官方媒体的权威性进行设置，例如，人民日报的权威性高，设置其权重值为0.9；新华社的权威性次之，设置其权重值为0.7。承由步骤204中的示例，若预设官方媒体1为人民日报，预设官方媒体2为新华社，分别对“王五为XX人事处处长”与“王五为XX人事处副处长”进行加权处理，由于人民日报的权重值比新华社的权重值大，因此，可以确定出“王五为XX人事处处长”的加权值大于“王五为XX人事处副处长”的加权值。206、确定加权值最高的人物与职称关系。207、将从不同预设官方媒体网站的页面内容中分析的人物与职称关系进行合并。当步骤204中确定从不同预设官方媒体网站的页面内容中分析的人物与职称关系不存在差异时，说明不同预设官方媒体网站的页面内容中分析的人物与职称关系是重复的，在本发明实施例中，对于不同预设官方媒体间重复的人物与职称关系进行合并处理。208、确定所述预设官方媒体网站的页面内容中的人物与职称关系，并基于确定后的所述人物与职称关系更新所述人物职称库。在确定人物与职称关系之后，将该人物与职称关系与人物职称库中的人物与职称关系进行比对，当确定的人物与职称关系与人物职称库中的人物与职称关系一致时，不更新人物职称库；当确定的人物与职称关系与人物职称库中的人物与职称关系不一致时，更新人物职称库。进一步的，在基于图2确定的人物与职称关系更新人物职称库时，将确定后的人物与职称关系与人物职称库中的人物与职称关系进行归并，即当确定后的人物与职称关系与人物职称库中的人物与职称关系一致时，不更新人物职称库；当确定后的人物与职称关系与人物职称库中的人物与职称关系不一致时，更新人物职称库；当确定后的人物与职称关系未存在于人物职称库中时，将确定后的人物与职称关系添加到人物职称库中。根据上述方法实施例，下面提供一种装置实施例，该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中 的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。进一步的，本发明实施例提供一种网站错别字的识别装置，如图3所示，该装置包括：获取单元31，用于获取待检测网站内所有内容页面；第一确定单元32，用于在所述获取单元31获取待检测网站内所有内容页面之后，确定第一人物与职称关系，所述第一人物与职称关系为从所述待检测网站内所有内容页面中提取的人物与职称关系；第二确定单元33，用于确定所述第一确定单元32确定的所述第一人物与职称关系与第二人物与职称关系是否一致，所述第二人物与职称关系存储于人物职称库中，所述人物职称库记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系；显示单元34，用于当所述第二确定单元33确定所述第一人物与职称关系与所述第二人物与职称关系不一致时，输出显示所述待检测网站中有错别字的提示信息。进一步的，如图4所示，所述装置还包括：生成单元35，用于在所述第一确定单元32确定所述第一人物与职称关系与第二人物与职称关系是否一致之前，根据所述预设官方媒体网站的页面内容中包含的人物与职称关系生成所述人物职称库。进一步的，如图4所示，所述装置还包括：更新单元36，用于在所述生成单元35根据所述预设官方媒体网站的页面内容中包含的人物与职称关系生成所述人物职称库之后，更新所述人物职称库中的所述人物与职称关系。进一步的，如图4所示，所述更新单元36包括：第一获取模块361，用于基于爬虫程序获取所述预设官方媒体网站的页面内容；分析模块362，用于对所述第一获取模块361获取的所述预设官方媒体网站的页面内容进行分析；第一确定模块363，用于确定所述分析模块362获取的所述预设官方媒体网站的页面内容中的人物与职称关系；更新模块364，用于基于所述第一确定模块363确定后的所述人物与职称关系更新所述人物职称库。进一步的，如图4所示，所述更新单元36还包括：第二获取模块365，用于在所述第一确定模块363确定所述预设官方媒体网站的页面内容中的人物与职称关系之前，获取从不同预设官方媒体网站的页面内容中分析的人物与职称关系；第二确定模块366，用于确定所述第二获取模块365获取的从不同预设官方媒体网站的页面内容中分析的人物与职称关系是否存在差异；合并模块367，当所述第一确定模块363确定从不同预设官方媒体网站的页面内容中分析的人物与职称关系未存在差异时，将从不同预设官方媒体网站的页面内容中分析的人物与职称关系进行合并；所述第一确定模块363，还用于在所述第二确定模块366将从不同预设官方媒体网站的页面内容中分析的人物与职称关系进行合并之后，确定所述人物与职称关系；加权模块368，用于当所述第二确定模块366确定从不同预设官方媒体网站的页面内容中分析的人物与职称关系存在差异时，基于权重值对不同预设官方媒体网站的页面内容中分析的人物与职称关系进行加权处理；其中，所述权重值与不同预设官方媒体一一对应；所述第一确定模块363，还用于确定所述加权模块368中加权值最高的人物与职称关系为所述人物与职称关系。进一步的，所述更新模块364，还用于将确定后的所述人物与职称关系与所述人物职称库已有的人物与职称关系进行归并。本发明提供的网站错别字的识别装置，在识别待检测网站内的错别字时，首先，获取该待检测网站内所有内容页面，并确定第一人物与职称关系，该第一人物与职称关系为从该待检测网站内所有内容页面中提取出人物与职称关系，将第一人物与职称关系与第二人物与职称关系进行比对， 确认该第一人物与职称关系与该第二人物与职称关系是否一致，其中，该第二人物与职称关系存储于人物职称库中，该人物职称库中记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系，若确定该第一人物与职称关系与该第二人物与职称关系不一致，则输出显示该待检测网站内存在错别字的提示信息；与现有技术中人工识别待检测网站中的错别字相比，本发明实施例基于人物职称库中存储的人物与职称之间的对应关系，确定待检测网站中人物与职称之间的对应关系是否一致，若一致，则说明待检测网站内没有错别字；若不一致，则说明待检测网站中有错别字，并输出显示待检测网站有错别字的提示信息，提高了识别待检测网站中错别字的准确率。所述网站错别字的识别装置包括处理器和存储器，上述获取单元、第一确定单元、第二确定单元和显示单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高识别网站错别字的准确率。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)，存储器包括至少一个存储芯片。本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取待检测网站内所有内容页面，并确定第一人物与职称关系，所述第一人物与职称关系为从所述待检测网站内所有内容页面中提取的人物与职称关系；确定所述第一人物与职称关系与第二人物与职称关系是否一致，所述第二人物与职称关系存储于人物职称库中，所述人物职称库记录有预设官方媒体网站的页面内容中包含的人物与职称之间的对应关系；若确定所述第一人物与职称关系与所述第二人物与职称关系不一致，则输出显示所述待检测网站中有错别字的提示信息。在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储 器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之 内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。当前第1页1 2 3