[發明專利]即時通訊消息識別方法及系統有效
| 申請號: | 202010082692.4 | 申請日: | 2020-02-07 |
| 公開(公告)號: | CN111431791B | 公開(公告)日: | 2021-06-18 |
| 發明(設計)人: | 張鑫 | 申請(專利權)人: | 貝殼找房(北京)科技有限公司 |
| 主分類號: | H04L12/58 | 分類號: | H04L12/58;G06N3/04;G06N3/08 |
| 代理公司: | 北京路浩知識產權代理有限公司 11002 | 代理人: | 苗曉靜 |
| 地址: | 100085 北京市海淀區*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 即時通訊 消息 識別 方法 系統 | ||
1.一種即時通訊消息識別方法,其特征在于,包括:
獲取即時通訊IM消息;
將所述IM消息輸入至神經網絡模型,基于所述神經網絡模型,確定所述IM消息的所屬類別;
基于所述IM消息的所屬類別,確定是否對所述IM消息進行封禁;
其中,所述神經網絡模型基于嵌入層、具有多尺度卷積核的卷積層組和雙向門控循環Bi-GRU神經網絡層構建,所述卷積層組中具有不同尺度的卷積核的每個卷積層以及所述Bi-GRU神經網絡層均分別與所述嵌入層直接連接;所述神經網絡模型基于樣本庫中的IM消息樣本以及所述IM消息樣本的所屬類別訓練得到;
所述卷積層組中具有不同尺度的卷積核的卷積層中存在目標卷積層,所述目標卷積層所處的支路上還包括所述卷積層組中與所述目標卷積層的卷積核尺度不同的第一卷積層,所述第一卷積層的卷積核尺度與所述卷積層組中除所述目標卷積層外的某一卷積層的卷積核尺度相同;
所述基于所述IM消息的所屬類別,確定是否對所述IM消息進行封禁,具體包括:
若判斷獲知所述IM消息的所屬類別為異常消息,向所述IM消息的接收端發送提醒信息;
若接收到與所述提醒信息對應的回復信息,基于所述回復信息,確定是否對所述IM消息進行封禁;
若所述回復信息為確認信息,則按不同類別的垃圾消息的概率值大小順序進行排列,并將排列結果發送至接收端,以供所述接收端進一步反饋所述IM消息的類別;
若接收到所述接收端發送的與所述排列結果對應的反饋信息,則將所述IM消息的發送端進行封禁,不再允許所述IM消息的發送端向所述接收端發送IM消息;并將所述反饋信息作為所述IM消息的所屬類別,基于所述IM消息和所述反饋信息更新所述樣本庫;
若所述回復信息為否認信息,則允許所述IM消息的發送端正常向所述接收端發送所述IM消息。
2.根據權利要求1所述的即時通訊消息識別方法,其特征在于,所述神經網絡模型還包括:多個平滑層;
所述第一卷積層所處的支路上以及所述卷積層組中除所述目標卷積層外具有不同尺度的卷積核的卷積層所處的支路上均分別包括一所述平滑層。
3.根據權利要求2所述的即時通訊消息識別方法,其特征在于,所述神經網絡模型還包括:多個第一池化層;
所述目標卷積層與所述第一卷積層之間、所述卷積層組中除所述目標卷積層外具有不同尺度的卷積核的卷積層與對應的所述平滑層之間均連接有一所述第一池化層。
4.根據權利要求2所述的即時通訊消息識別方法,其特征在于,所述神經網絡模型還包括:拼接層;
所述Bi-GRU神經網絡層以及所有所述平滑層均分別與所述拼接層連接。
5.根據權利要求4所述的即時通訊消息識別方法,其特征在于,所述神經網絡模型還包括:第二卷積層、第二池化層和輸出層;
所述拼接層、所述第二卷積層、所述第二池化層以及所述輸出層依次連接。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于貝殼找房(北京)科技有限公司,未經貝殼找房(北京)科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010082692.4/1.html,轉載請聲明來源鉆瓜專利網。





