[發(fā)明專利]陌電識別方法、裝置、電子設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010909198.0
• 申請日: 2020-09-02
• 公開（公告）號: CN112199388A
• 公開（公告）日: 2021-01-08
• 發(fā)明（設計）人: 陳元禮
• 申請（專利權）人: 卓望數(shù)碼技術（深圳）有限公司
• 主分類號: G06F16/245
• 分類號: G06F16/245;G06K9/62
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黃廣龍

1.陌電識別方法，其特征在于，包括：

獲取信令數(shù)據(jù)話單，對所述信令數(shù)據(jù)話單的數(shù)據(jù)進行處理，得到第一數(shù)據(jù)集；

提取所述第一數(shù)據(jù)集并建立高頻通話數(shù)據(jù)庫；

對所述高頻通話數(shù)據(jù)庫的數(shù)據(jù)進行數(shù)據(jù)處理，得到訓練數(shù)據(jù)集；

對所述訓練數(shù)據(jù)集進行訓練，得到陌電識別模型；

將獲取的所述陌電識別模型用于陌電識別，得到識別結(jié)果。

2.根據(jù)權利要求1所述的陌電識別方法，其特征在于，所述獲取信令數(shù)據(jù)話單，對所述信令數(shù)據(jù)話單的數(shù)據(jù)進行處理，得到第一數(shù)據(jù)集，包括：

獲取核心網(wǎng)從各個網(wǎng)元數(shù)據(jù)收集到的所述信令數(shù)據(jù)話單；

對所述信令數(shù)據(jù)話單中的數(shù)據(jù)進行數(shù)據(jù)處理，得到所述第一數(shù)據(jù)集。

3.根據(jù)權利要求1所述的陌電識別方法，其特征在于，所述提取所述第一數(shù)據(jù)集并建立高頻通話數(shù)據(jù)庫，包括：

提取所述第一數(shù)據(jù)集中的高頻通話數(shù)據(jù)；

查詢并標記所述高頻通話數(shù)據(jù)的類型；

將標記分類的所述高頻通話數(shù)據(jù)存儲在標簽庫中，所述標簽庫包括有第一類型陌電、第二類型陌電、正常陌電。

4.根據(jù)權利要求3所述的陌電識別方法，其特征在于，所述對所述高頻通話數(shù)據(jù)庫的數(shù)據(jù)進行數(shù)據(jù)處理，得到訓練數(shù)據(jù)集，包括：

對所述高頻通話數(shù)據(jù)庫的數(shù)據(jù)進行數(shù)據(jù)清洗，得到第二數(shù)據(jù)集；

對所述第二數(shù)據(jù)集進行數(shù)據(jù)預處理，得到第三數(shù)據(jù)集；

提取所述第三數(shù)據(jù)集數(shù)據(jù)的特征量，建立訓練數(shù)據(jù)集。

5.根據(jù)權利要求4所述的陌電識別方法，其特征在于，所述數(shù)據(jù)預處理包括：

對所述第一類型陌電的樣本數(shù)據(jù)進行過采樣處理，得到第一樣本數(shù)據(jù)集，對所述第二類型陌電的樣本數(shù)據(jù)進行欠采樣處理，得到第二樣本數(shù)據(jù)集；

對所述第一樣本數(shù)據(jù)集和所述第二樣本數(shù)據(jù)集的樣本數(shù)據(jù)進行標準化處理。

6.根據(jù)權利要求4所述的陌電識別方法，其特征在于，所述提取所述第三數(shù)據(jù)集數(shù)據(jù)的特征量，建立訓練數(shù)據(jù)集，包括：

采用過濾法、包裝法、嵌入法中的至少一種來提取所述第三數(shù)據(jù)集數(shù)據(jù)的特征量，建立所述訓練數(shù)據(jù)集。

7.根據(jù)權利要求1所述的陌電識別方法，其特征在于，所述對所述訓練數(shù)據(jù)集進行訓練，得到陌電識別模型，包括：

采用隨機森林算法對所述訓練數(shù)據(jù)集進行訓練。

8.陌電識別裝置，其特征在于，包括：

第一獲取模塊，用于獲取信令數(shù)據(jù)話單，對所述信令數(shù)據(jù)話單的數(shù)據(jù)進行處理，得到第一數(shù)據(jù)集；

第一處理模塊，用于提取所述第一數(shù)據(jù)集并建立高頻通話數(shù)據(jù)庫；

第二處理模塊，用于對所述高頻通話數(shù)據(jù)庫的數(shù)據(jù)進行數(shù)據(jù)處理，得到訓練數(shù)據(jù)集；

訓練模塊，用于對所述訓練數(shù)據(jù)集進行訓練，得到陌電識別模型；

識別模塊，用于將獲取的所述陌電識別模型用于陌電識別，得到識別結(jié)果。

9.根據(jù)權利要求8所述的陌電識別裝置，其特征在于，所述訓練模塊包括有：

參數(shù)設置模塊，用于設置隨機森林參數(shù)；

第三處理模塊，用于構(gòu)建隨機森林，利用隨機森林算法訓練多顆決策樹生成所述陌電識別模型；

調(diào)整模塊，用于對所述陌電識別模型的預測性能進行評估和優(yōu)化，得到最終的所述陌電識別模型。

10.電子設備，其特征在于，包括：

存儲器，處理器，及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于：所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權利要求1至7中任意一項所述的陌電識別方法。

11.計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，所述計算機可執(zhí)行指令用于使計算機執(zhí)行如權利要求1至7任一項所述的陌電識別方法。