私有化敏感词检测API服务wordscheck

news2024/9/25 1:14:33

在这里插入图片描述

之前有网友在找敏感词检测的应用，这个应该能满足他的需求；

什么是 wordscheck ？

wordscheck 是敏感词检测 API，提供文本识别、智能鉴黄、涉政检测、谩骂等等敏感词检测过滤服务。

简介

敏感词库从大量样本库整理出来，基于 NLP 算法检测
支持 Windows、MacOS、Linux 等 64 位主流系统
可以部署在本地，或部署到阿里云、腾讯云、亚马逊云、谷歌云等云服务器
通过下载部署包，即可一键启动私有化的"敏感词检测 API 服务"
支持自动云更新最新词库
支持 http json方式或 gRPC 方式查询
单服务参考查询效率 70000 次/分钟，同时支持并行服务
支持自定义添加白名单/黑名单词条
服务运行内存 100M 左右，非常轻便

应用场景

AI 智能问答、评论留言、聊天消息、直播弹幕、商品详情等内容合规检测过滤
应用提审上架、主管部门审核、云平台内容巡查等监管需要
境内外产品内容合规需要，可部署到中国香港、新加坡、日本、美国、韩国等

构建镜像

如果你不想自己构建，可以跳过，直接阅读下一章节

官方提供了 Dockerfile 文件，但没找到镜像，所以需要编自己编一下

构建镜像和容器运行的基本命令如下👇

# 下载代码
git clone https://github.com/bosnzt/wordscheck.git
  
# 或者加个代理
git clone https://ghproxy.com/github.com/bosnzt/wordscheck.git
  
# 进入目录  
cd wordscheck
  
# 构建镜像
docker build -t wbsu2003/wordscheck:v1 .

# 运行容器
docker run -d \
   --name wordscheck \
   -p 8187:8080 \
   wbsu2003/wordscheck:v1

安装

在群晖上以 Docker 方式安装。

在注册表中搜索 wordscheck ，选择第一个 wbsu2003/wordscheck，版本选择 latest。

在这里插入图片描述

端口

本地端口不冲突就行，不确定的话可以用命令查一下

# 查看端口占用
netstat -tunlp | grep 端口号

本地端口	容器端口
`8187`	`8080`

默认没有暴露端口

在这里插入图片描述

需要点 + 号自己添加

命令行安装

如果你熟悉命令行，可能用 docker cli 更快捷

# 运行容器
docker run -d \
   --restart unless-stopped \
   --name wordscheck \
   -p 8187:8080 \
   wbsu2003/wordscheck

也可以用 docker-compose 安装，将下面的内容保存为 docker-compose.yml 文件

version: '3'

services:
  wordscheck:
    image: wbsu2003/wordscheck
    container_name: wordscheck
    restart: unless-stopped
    ports:
      - 8187:8080

然后执行下面的命令

# 新建文件夹 wordscheck
mkdir -p /volume1/docker/wordscheck

# 进入 wordscheck 目录
cd /volume1/docker/wordscheck

# 将 docker-compose.yml 放入当前目录

# 一键启动
docker-compose up -d

运行

容器启动后，在日志中会看到

在这里插入图片描述

但是如果你直接在浏览器中输入 http://群晖IP:8187 ，会看到下面的错误

404 page not found

需要通过 curl 来验证，用 SSH 客户端登录到群晖后，在命令行执行

curl http://192.168.0.197:8187/health

如果状态正常，会返回

{"code":"0"}

在这里插入图片描述

测试下敏感词服务

curl -H "Accept: application/json" \
     -H "Content-type: application/json" \
     -X POST \
     -d "{\"content\":\"他在传播艳情内容\"}"  \
     http://192.168.0.197:8187/wordscheck

在输出格式化之后是👇下面这样的

{  
    "code":"0",  
    "msg":"检测成功",  
    "return_str":"他在传播**内容",  
    "word_list":[  
        {  
            "keyword":"艳情",  
            "category":"色情",  
            "position":"4-5",  
            "level":"高"  
        }  
    ],  
    "extstr":""  
}