[發(fā)明專利]短信管理方法、裝置及電子設備

有效

• 申請?zhí)枺?/td>: 201810377060.3
• 申請日: 2018-04-25
• 公開（公告）號: CN108595634B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設計）人: 魯夢平;麥金凱;馬志豪
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/284;G06F18/2411;G06F40/30
• 代理公司: 北京三高永信知識產(chǎn)權代理有限責任公司 11138
• 代理人: 劉映東

1.一種短信管理方法，其特征在于，所述方法包括：

獲取接收到的短信內(nèi)容；

對所述短信內(nèi)容進行分詞處理，得到所述短信內(nèi)容所包括的詞語；

對所述詞語進行聚合處理，得到聚合處理后的所述詞語，所述聚合處理是指將相同語義類型的至少兩個詞語采用一個類型標識來表示；

對所述聚合處理后的所述詞語進行詞向量處理，得到所述聚合處理后的詞語對應的詞語級向量；

對所述詞語級向量進行統(tǒng)計處理，得到中間特征向量，所述中間特征向量包括均值特征向量、最大值特征向量、方差特征向量中的至少兩種，所述均值特征向量是對各個所述詞語分別對應的詞語級向量求平均值得到的，所述最大值特征向量是各個所述詞語分別對應的詞語級向量中最大的詞語級向量，所述方差特征向量是對各個所述詞語分別對應的詞語級向量求方差得到的；

對所述中間特征向量進行拼接處理，得到文本級向量，所述文本級向量用于表示所述短信內(nèi)容的語義特征，且所述文本級向量的維度大于所述詞語級向量的維度；

調用短信分類模型對所述文本級向量進行處理，得到所述短信內(nèi)容的分類。

2.根據(jù)權利要求1所述的方法，其特征在于，所述調用短信分類模型對所述文本級向量進行處理，得到所述短信內(nèi)容的分類之后，還包括：

根據(jù)所述短信內(nèi)容的分類生成所述短信內(nèi)容對應的情景短信，所述情景短信是將所述短信內(nèi)容中的關鍵信息以文字、數(shù)字和圖片中的至少一種來進行突出顯示的多媒體短信。

3.根據(jù)權利要求2所述的方法，其特征在于，所述根據(jù)所述短信內(nèi)容的分類生成所述短信內(nèi)容的情景短信，包括：

根據(jù)所述短信內(nèi)容的分類獲取所述短信內(nèi)容的關鍵信息；

對所述短信內(nèi)容的關鍵信息進行整合，得到所述短信內(nèi)容對應的情景短信。

4.根據(jù)權利要求1至3任一項所述的方法，其特征在于，所述方法還包括：

獲取第一訓練樣本集，所述第一訓練樣本集包括多個第一訓練樣本，每個所述第一訓練樣本包括至少一個詞語和每個詞語的上下文，所述詞語對應有向量，所述詞語的上下文也對應有向量；

對于所述多個第一訓練樣本中的每個第一訓練樣本，將所述詞語的上下文對應的向量輸入第一原始模型，得到第一訓練結果，所述第一訓練結果包括每個詞語的出現(xiàn)概率；

根據(jù)所述第一訓練結果調整所述詞語的上下文對應的向量，并將調整后的向量再次輸入所述第一原始模型，直至所述第一訓練結果符合期望結果，所述期望結果是指所述上下文對應的詞語的出現(xiàn)概率符合預設條件；

當所述第一訓練結果符合所述期望結果時，根據(jù)各個詞語對應的向量生成詞向量模型，所述詞向量模型用于對所述經(jīng)過分詞處理所得到的詞語進行詞向量處理。

5.根據(jù)權利要求1至3任一項所述的方法，其特征在于，所述方法還包括：

獲取第二訓練樣本集，所述第二訓練樣本集包括多個第二訓練樣本，每個所述第二訓練樣本對應有分類標簽；

對于所述多個第二訓練樣本中的每個第二訓練樣本，將所述第二訓練樣本輸入第二原始模型，得到第二訓練結果；

將所述第二訓練結果與所述分類標簽進行比較，得到計算損失，所述計算損失用于指示所述第二訓練結果與所述分類標簽之間的誤差；

根據(jù)所述多個第二訓練樣本各自對應的計算損失，采用誤差反向傳播算法訓練得到所述短信分類模型。