本發(fā)明專利技術(shù)提供一種騷擾短信判別方法，包括步驟：解析原始短信內(nèi)容以獲取其中的各個(gè)詞和數(shù)字信息；以所述數(shù)字信息為基準(zhǔn)計(jì)算各個(gè)詞分別到各數(shù)字的距離；將所述距離作為權(quán)重，各個(gè)詞作為維度，對(duì)短信內(nèi)容進(jìn)行描述以生成相應(yīng)的多個(gè)特征向量；將每個(gè)特征向量分別輸入分類模型以獲得輸出結(jié)果；基于所述輸出結(jié)果判別該短信是否為騷擾短信。本發(fā)明專利技術(shù)所述方法或裝置，可以更精確地判斷騷擾短信，能夠提高騷擾短信被攔截的概率，同時(shí)降低對(duì)用戶有用的短信被攔截的概率。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及移動(dòng)終端技術(shù)，具體而言，本專利技術(shù)涉及一種騷擾短信判別方法及裝置。
技術(shù)介紹
隨著信息技術(shù)的發(fā)展，移動(dòng)通信成為人們?nèi)粘Ｍㄐ诺闹饕侄危娫挕⒁曨l等通信方式以外，短信也作為一種方便快捷的通信方式，成為性價(jià)比最高、覆蓋面最廣的通信方式。但隨之而來(lái)的騷擾短信給用戶帶來(lái)了很大困擾。商家做宣傳、不法分子通過(guò)短信發(fā)釣魚(yú)網(wǎng)址等，會(huì)發(fā)送騷擾短信給用戶。因此，現(xiàn)有技術(shù)為了避免接收大量騷擾短信的推送，會(huì)基于一定的策略判斷當(dāng)前接收的短信是否是對(duì)用戶有用的短信，而將判別為騷擾短信的信息自動(dòng)放入黑名單或刪除，從而防止大量騷擾短信給用戶帶來(lái)的不便。現(xiàn)有技術(shù)通常根據(jù)通訊錄判別短信的發(fā)送方是否為陌生號(hào)碼，以判別該短信是否為騷擾短信，或通過(guò)簡(jiǎn)單的策略對(duì)騷擾短信進(jìn)行過(guò)濾，造成將對(duì)用戶有用的短信誤判成騷擾短信，基于此，需要提供一種更精確的騷擾短信判別方法，以提高判斷騷擾短信的正確率。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的旨在解決上述至少一個(gè)問(wèn)題，提供一種騷擾短信判別方法及裝置，以盡可能正確地判別騷擾短信。為了實(shí)現(xiàn)上述目的，本專利技術(shù)提供一種騷擾短信判別方法，包括以下步驟:解析原始短信內(nèi)容以獲取其中的各個(gè)詞和數(shù)字信息；以所述數(shù)字信息為基準(zhǔn)分別計(jì)算各個(gè)詞到各數(shù)字的距離；將所述距離作為權(quán)重，各個(gè)詞作為維度，對(duì)短信內(nèi)容進(jìn)行描述以生成相應(yīng)的多個(gè)特征向量；將每個(gè)特征向量分別輸入分類模型以獲得輸出結(jié)果；基于所述輸出結(jié)果判別該短信是否為騷擾短信。具體的，所述分類模型為預(yù)先訓(xùn)練的模型，其訓(xùn)練步驟如下:對(duì)樣本集合中的每條原始短信內(nèi)容進(jìn)行解析以獲取其中的各個(gè)詞和數(shù)字信息；以所述數(shù)字信息為基準(zhǔn)計(jì)算各個(gè)詞分別到各個(gè)數(shù)字的距離；將所述相應(yīng)距離作為權(quán)重，各個(gè)詞作為維度，對(duì)每條短信內(nèi)容進(jìn)行描述以生成相應(yīng)的訓(xùn)練樣本；將訓(xùn)練樣本人工標(biāo)記為正樣本和負(fù)樣本；采用所述正樣本和負(fù)樣本訓(xùn)練分類模型。進(jìn)一步，所述對(duì)短信內(nèi)容進(jìn)行描述以生成相應(yīng)的特征向量的具體步驟為:分別以所述各個(gè)數(shù)字作為基準(zhǔn)，將其前面和后面的詞作為維度，計(jì)算其前面和后面的詞分別到各個(gè)數(shù)字的距離，將相應(yīng)距離作為權(quán)重，以生成用于描述該短信的多個(gè)特征向量。具體的，所述各個(gè)詞到所述各個(gè)數(shù)字的距離以每個(gè)字作為單位距離進(jìn)行表征。具體的，所述解析步驟具體如下:刪除原始短信中的特定信息；對(duì)短信內(nèi)容基于語(yǔ)法進(jìn)行分詞，以獲取短信中的詞、數(shù)字及相應(yīng)詞性；提取其中的數(shù)字信息。具體的，所述特定信息包括URL、IP地址、移動(dòng)電話、客戶電話、固定電話。較佳的，采用adaboost算法訓(xùn)練分類模型。具體的，所述基于所述輸出結(jié)果判別該短信是否為騷擾短信的具體步驟為:當(dāng)該短信的多個(gè)特征向量中至少存在一個(gè)特征向量的輸出結(jié)果為正確時(shí)，則判別該短信為正常短信；否則判別該短信為騷擾短信。優(yōu)選的，所述輸出結(jié)果為1則表征正確，輸出結(jié)果為0則表征錯(cuò)誤。進(jìn)一步，還包括步驟，將分類模型判別為騷擾短信的短信存儲(chǔ)于黑名單。進(jìn)一步，還包括步驟，將判別為騷擾短信的短信從用戶短信列表中刪除。一種騷擾短信判別裝置，包括:解析模塊:用于解析原始短信內(nèi)容以獲取其中的各個(gè)詞和數(shù)字信息；距離計(jì)算模塊:用于以所述數(shù)字信息為基準(zhǔn)分別計(jì)算各個(gè)詞到各數(shù)字的距離；特征向量生成模塊:用于將所述距離作為權(quán)重，各個(gè)詞作為維度，對(duì)短信內(nèi)容進(jìn)行描述以生成相應(yīng)的多個(gè)特征向量；分類模塊:用于將每個(gè)特征向量分別輸入分類模型以獲得輸出結(jié)果；判別模塊:用于基于所述輸出結(jié)果判別該短信是否為騷擾短信。具體的，所述分類模型為預(yù)先訓(xùn)練的模型，基于訓(xùn)練模塊訓(xùn)練生成，所述訓(xùn)練模塊執(zhí)行的步驟如下:對(duì)樣本集合中的每條原始短信內(nèi)容進(jìn)行解析以獲取其中的各個(gè)詞和數(shù)字信息；以所述數(shù)字信息為基準(zhǔn)計(jì)算各個(gè)詞分別到各個(gè)數(shù)字的距離；將所述相應(yīng)距離作為權(quán)重，各個(gè)詞作為維度，對(duì)每條短信內(nèi)容進(jìn)行描述以生成相應(yīng)的訓(xùn)練樣本；將訓(xùn)練樣本人工標(biāo)記為正樣本和負(fù)樣本；采用所述正樣本和負(fù)樣本訓(xùn)練分類模型。具體的，所述特征向量生成模塊執(zhí)行的具體步驟為:分別以所述各個(gè)數(shù)字作為基準(zhǔn)，將其前面和后面的詞作為維度，計(jì)算其前面和后面的詞分別到各個(gè)數(shù)字的距離，將相應(yīng)距離作為權(quán)重，以生成用于描述該短信的多個(gè)特征向量。具體的，所述各個(gè)詞到所述各個(gè)數(shù)字的距離以每個(gè)字作為單位距離進(jìn)行表征。具體的，所述解析模塊執(zhí)行的步驟具體如下:刪除原始短信中的特定信息；對(duì)短信內(nèi)容基于語(yǔ)法進(jìn)行分詞，以獲取短信中的詞、數(shù)字及相應(yīng)詞性；提取其中的數(shù)字信息。具體的，所述特定信息包括URL、IP地址、移動(dòng)電話、客戶電話、固定電話。較佳的，所述訓(xùn)練模塊采用adaboost算法訓(xùn)練分類模型。具體的，所述判別模塊執(zhí)行的具體步驟為:當(dāng)該短信的多個(gè)特征向量中至少存在一個(gè)特征向量的輸出結(jié)果為正確時(shí)，則判別該短信為正常短信；否則判別該短信為騷擾短信。具體的，所述輸出結(jié)果為1則表征正確，輸出結(jié)果為0則表征錯(cuò)誤。進(jìn)一步，還包括黑名單模塊，用于將分類模型判別為騷擾短信的短信存儲(chǔ)于黑名單。進(jìn)一步，還包括刪除模塊，用于將判別為騷擾短信的短信從用戶短信列表中刪除。相比現(xiàn)有技術(shù)，本專利技術(shù)的方案具有以下優(yōu)點(diǎn):本專利技術(shù)通過(guò)對(duì)短信內(nèi)容進(jìn)行分詞解析，提取其中的數(shù)字信息，并以各數(shù)字作為基準(zhǔn)采用各個(gè)詞及分別到各個(gè)數(shù)字的距離為特征描述短信以生成特征向量，通過(guò)預(yù)先訓(xùn)練的分類模型判斷該特征向量是否存在正確的數(shù)字，如果至少存在一個(gè)數(shù)字正確則判斷該短信為正常短信，否則為騷擾短信。基于本專利技術(shù)所述方法進(jìn)行騷擾短信的判斷，能夠更精確確定用戶移動(dòng)終端接收的短信是否為騷擾短信，特別是對(duì)于銀行推送的消費(fèi)信息、物流公司推送的收貨信息等具有有效數(shù)字的信息，降低該些信息被誤判為騷擾短信的概率，進(jìn)一步提高騷擾短信判別的精度。本專利技術(shù)附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，這些將從下面的描述中變得明顯，或通過(guò)本專利技術(shù)的實(shí)踐了解到。【附圖說(shuō)明】本專利技術(shù)上述的和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中:圖1為本專利技術(shù)所述騷擾短信判別方法的流程示意圖；圖2為本專利技術(shù)所述短信解析步驟的流程示意圖；圖3為本專利技術(shù)所述分類模型訓(xùn)練步驟的流程示意圖；圖4為本專利技術(shù)所述騷擾短信判別裝置的結(jié)構(gòu)示意圖。【具體實(shí)施方式】下面詳細(xì)描述本專利技術(shù)的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，僅用于解釋本專利技術(shù)，而不能解釋為對(duì)本專利技術(shù)的限制。本
技術(shù)人員可以理解，除非特意聲明，這里使用的單數(shù)形式“一”、“一個(gè)”、“所述”和“該”也可包括復(fù)數(shù)形式。應(yīng)該進(jìn)一步理解的是，本專利技術(shù)的說(shuō)明書(shū)中使用的措辭“包括”是指存在所述特征、整數(shù)、步驟、操作、元件和/或組件，但是并不排除存在或添加一個(gè)或多個(gè)其他特征、整數(shù)、步驟、操作、元件、組件和/或它們的組。應(yīng)該理解，當(dāng)我們稱元件被“連接”或“耦接”到另一元件時(shí)，它可以直接連接或耦接到其他元件，或者也可以存在中間元件。此外，這里使用的“連接”或“耦接”可以包括無(wú)線連接或無(wú)線耦接。這里使用的措辭“和/或”包括一個(gè)或更多個(gè)相關(guān)聯(lián)的列出項(xiàng)的全部或任一單元和全部組合。本
技術(shù)人員可以理解，除非另外定義，這里使用的所有術(shù)語(yǔ)(包括技術(shù)術(shù)語(yǔ)和科學(xué)術(shù)語(yǔ))，具有與本專利技術(shù)所屬領(lǐng)域中的普通技術(shù)人員的一般理解相同的意義。還應(yīng)該理解的是，諸如通用字典中定義的那些術(shù)語(yǔ)，應(yīng)本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種騷擾短信判別方法，其特征在于，包括以下步驟：解析原始短信內(nèi)容以獲取其中的各個(gè)詞和數(shù)字信息；以所述數(shù)字信息為基準(zhǔn)分別計(jì)算各個(gè)詞到各數(shù)字的距離；將所述距離作為權(quán)重，各個(gè)詞作為維度，對(duì)短信內(nèi)容進(jìn)行描述以生成相應(yīng)的多個(gè)特征向量；將每個(gè)特征向量分別輸入分類模型以獲得輸出結(jié)果；基于所述輸出結(jié)果判別該短信是否為騷擾短信。
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李強(qiáng)，張金晶，常富洋，
申請(qǐng)(專利權(quán))人：北京奇虎科技有限公司，奇智軟件北京有限公司，
類型：發(fā)明
國(guó)別省市：北京;11
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。