[發明專利]垃圾短信識別方法及裝置

有效

• 申請號: 201710272159.2
• 申請日: 2017-04-24
• 公開（公告）號: CN107135494B
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 秦秋平
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: H04W4/14
• 分類號: H04W4/14;H04W12/12;G06F40/279
• 代理公司: 北京尚倫律師事務所 11477
• 代理人: 代治國

1.一種垃圾短信識別方法，其特征在于，包括：

接收待識別短信；

對所述待識別短信進行特征提取，得到所述待識別短信的第一特征向量，所述第一特征向量中包括所述待識別短信的第一單詞；

使用預設的貝葉斯識別器，根據所述待識別短信的第一特征向量確定所述待識別短信的第一垃圾正常比；

在所述第一垃圾正常比小于等于預設的第一閾值大于等于預設的第二閾值時，將所述第一特征向量中的所述第一單詞替換為與所述第一單詞的相似度超過預設閾值的第二單詞，生成所述待識別短信的第二特征向量；

使用所述貝葉斯識別器，根據所述待識別短信的第二特征向量確定所述待識別短信的第二垃圾正常比；

根據所述第二垃圾正常比和所述第一垃圾正常比確定所述待識別短信是否為垃圾短信。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在所述第一垃圾正常比大于預設的第一閾值時，確定所述待識別短信為垃圾短信；

在所述第一垃圾正常比小于預設的第二閾值時，確定所述待識別短信為正常短信。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

將樣本短信中第一垃圾正常比最大的NSC條短信中最小的第一垃圾正常比設置為第一閾值，將樣本短信中第一垃圾正常比最小的NNC條短信中最大的第一垃圾正常比設置為第二閾值，其中，所述NNC條短信中正常短信的比率的閾值大于閾值RN，所述NSC條短信中垃圾短信的比率的閾值大于閾值RS，所述NSC和所述NNC均為正整數。

4.根據權利要求1所述的方法，其特征在于，所述第二單詞包括訓練所述貝葉斯識別器時訓練樣本中的單詞。

5.根據權利要求1所述的方法，其特征在于，所述根據所述第二垃圾正常比和所述第一垃圾正常比確定所述待識別短信是否為垃圾短信，包括：

在所述第二垃圾正常比大于預設的第一閾值時，確定所述待識別短信為垃圾短信；

在所述第二垃圾正常比小于預設的第二閾值時，確定所述待識別短信為正常短信；

在所述第一垃圾正常比和所述第二垃圾正常比均大于預設的第三閾值，確定所述待識別短信為垃圾短信；

在所述第一垃圾正常比和所述第二垃圾正常比均小于預設的第三閾值，確定所述待識別短信為正常短信；

在所述預設的第三閾值在所述第一垃圾正常比和所述第二垃圾正常比之間時，確定所述待識別短信為正常短信；

其中，所述第三閾值小于所述第一閾值大于所述第二閾值。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

分別將樣本短信中一條樣本短信的第一垃圾正常比作為初始第三閾值，按照所述第一垃圾正常比小于初始第三閾值的短信識別為正常短信，所述第一垃圾正常比大于初始第三閾值的短信識別為垃圾短信的識別規則，對其他樣本短信進行識別；

將識別正確的樣本短信數量最多的初始第三閾值設置為第三閾值。

7.一種垃圾短信識別裝置，其特征在于，包括：

接收模塊，用于接收待識別短信；

提取模塊，用于對所述待識別短信進行特征提取，得到所述待識別短信的第一特征向量，所述第一特征向量中包括所述待識別短信的第一單詞；

第一確定模塊，用于使用預設的貝葉斯識別器，根據所述待識別短信的第一特征向量確定所述待識別短信的第一垃圾正常比；

替換模塊，用于在所述第一垃圾正常比小于等于預設的第一閾值大于等于預設的第二閾值時，將所述第一特征向量中的所述第一單詞替換為與所述第一單詞的相似度超過預設閾值的第二單詞，生成所述待識別短信的第二特征向量；

第二確定模塊，用于使用所述貝葉斯識別器，根據所述待識別短信的第二特征向量確定所述待識別短信的第二垃圾正常比；

第三確定模塊，用于根據所述第二垃圾正常比和所述第一垃圾正常比確定所述待識別短信是否為垃圾短信。