● 产品与服务
六项能力,一套词库
错别字与敏感词共用同一份词库与匹配口径:无论是定时批次、在线检测还是接口调用, 同一段文字得到的结论一致。
● 内容合规
错别字检测
逐篇比对错别写法,命中处给出建议修改与所在上下文,不是只标一个红点。
- 输出
- 错误写法、建议修改、错误类型与子类型、命中位置、上下文片段
- 词库
- 分监测词库与自有词库两层;词条可限定只对某几个监测主体生效
- 豁免
- 过滤词名单可放行约定俗成的简称,避免把「彭水县」判成错写
- 追溯
- 每条结果带首次发现时间与最近采集时间,整改后可标记已修正
● 内容合规
敏感词检测
命中即分类,告诉你属于政治、色情还是非法广告,而不是笼统的"敏感"。
- 分类
- 政治、色情、社会、违禁品信息、非法网络广告、网址、邪教、暴恐、非法组织、其他
- 输出
- 命中词、所属类型、命中位置、上下文片段
- 范围
- 与错别字共用主体限定与过滤词豁免规则
● 即时工具
在线检测
临时要核一篇稿子,不必等次日批次。走的是与定时检测完全相同的词库与匹配器。
- 粘贴正文
- 直接贴文字,立即返回错别字与敏感词命中
- 填网址
- 一行一个,逐条抓取正文后检测;抓不到的单独标出,不影响其余
- 传文件
- Word、Excel、PPT、PDF、TXT,单个 20M 以内
边界网址检测会拒绝指向内网地址的链接,这是防止服务器被当成内网探针的必要限制。
● 数据来源
网站全站采集
按栏目层级爬取全站正文并入库,之后所有检测都跑在这份正文上。
- 深度
- 采集层级与频率按站点单独配置
- 断点续采
- 待采队列持久化,中断后从断点继续,不从头再来
- 礼貌
- 遵守目标站 robots 规则,按域名限速,失败自动退避
- 去重
- 正文哈希比对,内容没变只更新时间,不重复堆行
● 数据来源
公众号内容监测
微信公众号文章纳入同一套检测口径,与网站内容共用词库与结果视图。
- 范围
- 历史文章与增量文章
- 结果
- 与网站内容同一张结果表,同样的筛选与导出
边界公众号抓取需要账号方提供一次采集凭证,由本机助手发起,不是填个名字就能抓。
● 可用性
网站可用性拨测
定时探测站点是否还活着,按国办考核口径出具指标。
- 判据
- 响应时间超过 15 秒记超时;失败率超过 5% 记不可用
- 记录
- 每次拨测留响应时间、HTTP 状态、错误类型,可回溯