[發(fā)明專(zhuān)利]一種短信類(lèi)型識(shí)別方法、系統(tǒng)及短信管理平臺(tái)

在審

• 申請(qǐng)?zhí)枺?/td>: 201611227867.6
• 申請(qǐng)日: 2016-12-27
• 公開(kāi)（公告）號(hào): CN106803096A
• 公開(kāi)（公告）日: 2017-06-06
• 發(fā)明（設(shè)計(jì)）人: 姚鐸;夏天;高小勇;苗路平
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海大漢三通通信股份有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06F17/27
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司11227
• 代理人: 羅滿(mǎn)

技術(shù)領(lǐng)域

本發(fā)明涉及短信管理技術(shù)領(lǐng)域，特別涉及一種短信類(lèi)型識(shí)別方法、系統(tǒng)及短信管理平臺(tái)。

背景技術(shù)

當(dāng)前，隨著短信業(yè)務(wù)的發(fā)展，手機(jī)用戶(hù)受到越來(lái)越多垃圾短信的騷擾。非法短信、騷擾短信、欺詐短信以及各類(lèi)垃圾短信大行其道。根據(jù)手機(jī)短消息狀況調(diào)查報(bào)告顯示，用戶(hù)平均每周收到垃圾短信11.4條，收到垃圾短消息占全部短消息的比例為22.6％。垃圾短消息治理刻不容緩，治理好垃圾短信成為運(yùn)營(yíng)商提高通信服務(wù)質(zhì)量的關(guān)鍵所在。

一般地，垃圾短信的具有如下兩個(gè)特征：第一，垃圾短信發(fā)送者和接受者之間不存在社會(huì)網(wǎng)絡(luò)聯(lián)系，第二，內(nèi)容相同或相似的短信在短時(shí)間內(nèi)達(dá)到一定的發(fā)送量。

然而，由于物流、金融等正常短信雖然并不群發(fā)，但由于用戶(hù)數(shù)量眾多，造成其短時(shí)間內(nèi)發(fā)送量巨大，使得上述兩特點(diǎn)都難以被短信服務(wù)供應(yīng)商用于反垃圾短信。如何對(duì)短信類(lèi)型進(jìn)行有效識(shí)別是目前亟待解決的問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種短信類(lèi)型識(shí)別方法、系統(tǒng)及短信管理平臺(tái)，能夠?qū)Χ绦蓬?lèi)型進(jìn)行有效地識(shí)別。其具體方案如下：

一種短信類(lèi)型識(shí)別方法，包括：

獲取待檢測(cè)短信；

提取所述待檢測(cè)短信中的特征詞，并為每個(gè)特征詞分配相應(yīng)的權(quán)重，得到與所述待檢測(cè)短信對(duì)應(yīng)的目標(biāo)特征向量；

分別計(jì)算所述目標(biāo)特征向量與預(yù)先創(chuàng)建的正常短信特征模型向量和垃圾短信特征模型向量之間相似度，得到相應(yīng)的第一相似度和第二相似度；其中，所述正常短信特征模型向量為對(duì)預(yù)先獲取的歷史正常短信集進(jìn)行學(xué)習(xí)訓(xùn)練后得到的向量，所述垃圾短信特征模型向量為對(duì)預(yù)先獲取的歷史垃圾短信集進(jìn)行學(xué)習(xí)訓(xùn)練后得到的向量；

利用所述第一相似度和所述第二相似度，確定出所述待檢測(cè)短信的短信類(lèi)型。

可選的，所述正常短信特征模型向量的創(chuàng)建過(guò)程，包括：

對(duì)所述歷史正常短信集中的每一正常短信均進(jìn)行分詞處理以及過(guò)濾停用詞，得到與所述歷史正常短信集對(duì)應(yīng)的第一分詞集；其中，所述第一分詞集中包括N個(gè)分詞包，N值與所述歷史正常短信集中的短信數(shù)量相一致，每個(gè)分詞包中包括至少一個(gè)分詞；

為所述第一分詞集的每個(gè)分詞包中的每個(gè)分詞分配相應(yīng)的權(quán)重，得到第一賦權(quán)分詞集；

利用信息增益方法，對(duì)所述第一賦權(quán)分詞集中的冗余分詞進(jìn)行過(guò)濾，得到相應(yīng)的第一特征詞集；

利用所述第一特征詞集以及所述第一特征詞集中所反映的短信ID、分詞和權(quán)重之間的映射關(guān)系，構(gòu)造相對(duì)應(yīng)的稀疏矩陣，得到第一稀疏矩陣；

分別對(duì)所述第一稀疏矩陣中的每一維度進(jìn)行算術(shù)平均，得到所述正常短信特征模型向量。

可選的，所述為所述第一分詞集的每個(gè)分詞包中的每個(gè)分詞分配相應(yīng)的權(quán)重的過(guò)程，包括：

結(jié)合所述歷史正常短信集中每一正常短信的短信發(fā)送方和/或預(yù)先獲取到的正常短信關(guān)鍵詞和/或詞頻和/或逆文檔頻率，計(jì)算所述第一分詞集中每個(gè)分詞對(duì)應(yīng)的權(quán)重，并將得到的各個(gè)權(quán)重分配給相應(yīng)的分詞。

可選的，所述垃圾短信特征模型向量的創(chuàng)建過(guò)程，包括：

對(duì)所述歷史垃圾短信集中的每一垃圾短信均進(jìn)行分詞處理以及過(guò)濾停用詞，得到與所述歷史垃圾短信集對(duì)應(yīng)的第二分詞集；其中，所述第二分詞集中包括M個(gè)分詞包，M值與所述歷史垃圾短信集中的短信數(shù)量相一致，每個(gè)分詞包中包括至少一個(gè)分詞；

為所述第二分詞集的每個(gè)分詞包中的每個(gè)分詞分配相應(yīng)的權(quán)重，得到第二賦權(quán)分詞集；

利用信息增益方法，對(duì)所述第二賦權(quán)分詞集中的冗余分詞進(jìn)行過(guò)濾，得到相應(yīng)的第二特征詞集；

利用所述第二特征詞集以及所述第二特征詞集中所反映的短信ID、分詞和權(quán)重之間的映射關(guān)系，構(gòu)造相對(duì)應(yīng)的稀疏矩陣，得到第二稀疏矩陣；

分別對(duì)所述第二稀疏矩陣中的每一維度進(jìn)行算術(shù)平均，得到所述垃圾短信特征模型向量。

可選的，所述利用所述第一相似度和所述第二相似度，確定出所述待檢測(cè)短信的短信類(lèi)型的過(guò)程，包括：

判斷所述第一相似度是否大于所述第二相似度，如果是，則確定所述待檢測(cè)短信的短信類(lèi)型為正常短信，如果否，則確定所述待檢測(cè)短信的短信類(lèi)型為垃圾短信。

可選的，所述利用所述第一相似度和所述第二相似度，確定出所述待檢測(cè)短信的短信類(lèi)型的過(guò)程，包括：

計(jì)算所述第一相似度與所述第二相似度之間的差的絕對(duì)值，得到相似度差值；

判斷所述相似度差值是否大于預(yù)設(shè)閾值；