在houbb/sensitive-word项目中动态添加敏感词标签的方法
2025-06-09 20:53:49作者:毕习沙Eudora
敏感词过滤系统在实际应用中经常需要动态更新词库和标签,houbb/sensitive-word项目提供了灵活的API来实现这一需求。本文将详细介绍如何在初始化后动态添加敏感词及其标签。
初始化敏感词过滤系统
项目初始化时通常会从数据库加载敏感词列表并构建过滤系统:
// 创建敏感词对象并设置查询条件
SwSensitveWord swSensitveWord = new SwSensitveWord();
swSensitveWord.setStatus(0L);
// 获取服务实例并查询敏感词列表
ISwSensitveWordService swSensitveWordService = SpringUtils.getBean(ISwSensitveWordService.class);
List<SwSensitveWord> swSensitveWords = swSensitveWordService.selectSwSensitveWordList(swSensitveWord);
// 构建文字标签集合
Set<String> tags = swSensitveWords
.stream()
.map(item -> item.getWordName() + " " + item.getTriggerType())
.collect(Collectors.toSet());
IWordTag wordTag = WordTags.lines(tags);
// 初始化敏感词过滤系统
SensitiveWordBs sensitiveWordBs = SensitiveWordBs.newInstance()
.wordDeny(() -> swSensitveWords.stream()
.map(SwSensitveWord::getWordName)
.collect(Collectors.toList()))
.wordTag(wordTag)
.init();
动态添加敏感词和标签
系统运行过程中,当需要新增敏感词时,可以直接调用addWord方法:
// 添加单个敏感词
sensitiveWordBs.addWord("新的敏感词");
// 批量添加敏感词
List<String> newWords = Arrays.asList("敏感词1", "敏感词2");
sensitiveWordBs.addWord(newWords);
对于需要同时添加标签的情况,houbb/sensitive-word项目提供了灵活的标签管理机制。可以通过以下方式为新增的敏感词添加标签:
// 创建新的标签对象
IWordTag newWordTag = WordTags.lines(Collections.singleton("新的敏感词 标签类型"));
// 将新标签合并到现有标签系统中
sensitiveWordBs.getWordTagContext().addWordTag(newWordTag);
最佳实践建议
-
批量操作:当需要添加大量敏感词时,建议使用批量添加方法,减少性能开销。
-
标签设计:合理设计标签格式,如示例中的"敏感词 触发类型"格式,便于后续管理和查询。
-
线程安全:在多线程环境下操作敏感词库时,需要注意同步问题,可以考虑使用读写锁等机制。
-
性能监控:动态更新敏感词库可能影响系统性能,建议在低峰期执行批量更新操作。
-
版本管理:对于关键敏感词更新,建议维护版本信息,便于问题追踪和回滚。
通过合理使用houbb/sensitive-word项目提供的API,开发者可以轻松实现敏感词库的动态更新和标签管理,满足业务系统对内容安全过滤的实时性要求。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
213
226
暂无简介
Dart
660
150
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
656
293
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.17 K
644
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
490
React Native鸿蒙化仓库
JavaScript
251
320
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
79
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1