[發明專利]一種基于LGB算法的詐騙電話識別方法

在審

• 申請號: 202011185958.4
• 申請日: 2020-10-30
• 公開（公告）號: CN112364901A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 張飛;周紅敏;周榮;程鋼;卜小沖;肖書華;董偉
• 申請（專利權）人: 上海欣方智能系統有限公司;上海欣方軟件有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;H04M3/22
• 代理公司: 北京紐樂康知識產權代理事務所(普通合伙) 11210
• 代理人: 蘇泳生

本發明公開了一種基于LGB算法的詐騙電話識別方法，包括以下步驟：獲取原始通話的數據集；采用SMOTE算法對原始通話的數據集進行采樣，并將數據集分類訓練集和測試集；提取通話話單特征行為，并對模型參數進行初始化；采用十折交叉驗證法訓練模型，使用測試集進行驗證，并計算出模型的精準率，召回率以及F1分數；采用網格搜索獲得最優的LGB模型，并采用pickle模塊將模型序列化；采用pickle模塊將模型反序列化，并用Flask框架構建API；測通話記錄到達時，調用API接口，將數據輸入到LGB預測模型中，模型預測后，將結果返回。本發明提供一種基于LGB算法的詐騙電話識別方法，這種方法可以實現詐騙電話自動分類預測，還能顯著提高公安人員破案效率，降低企業及個人的經濟損失。

技術領域

本發明涉及網絡通信技術領域，具體來說，涉及一種基于LGB算法的詐騙電話識別方法。

背景技術

騷擾電話五花八門，從最初各類中獎，現在的冒充公檢法、理財、購物客服、機票改簽等，實騙花樣逐年翻新，并呈現有“撒網式”到“精準化”的演變趨勢。電話詐騙造成了人民群眾巨大經濟損失，擾亂了人們正常的工作和生活秩序，極大地危害了社會的誠信，已成為嚴重侵害人名群眾切身利益的社會公害。

發明內容

針對相關技術中的問題，本發明提出一種基于LGB算法的詐騙電話識別方法，解決現有電話詐騙造成了人民群眾巨大經濟損失，擾亂了人們正常的工作和生活秩序，極大地危害了社會的誠信的問題。

為了實現上述技術目的，本發明的技術方案是這樣的：

設計一種基于LGB算法的詐騙電話識別方法，包括以下步驟：

步驟S1，獲取原始通話的數據集，人工研判確定正負數據樣本分布比例；

步驟S2，采用SMOTE算法對原始通話的數據集進行采樣，形成最終數據集，并將數據集分類訓練集和測試集；

步驟S3，提取通話話單特征行為，并對模型參數進行初始化；

步驟S4，采用十折交叉驗證法訓練模型，使用測試集進行驗證，并計算出模型的精準率，召回率以及F1分數；

步驟S5，采用網格搜索獲得最優的LGB模型，并采用pickle模塊將模型序列化，保存到服務器；

步驟S6，采用pickle模塊將模型反序列化，并用Flask框架構建API，將模型以接口的方式部署上線；

步驟S7，測通話記錄到達時，調用API接口，將數據輸入到LGB預測模型中，模型預測后，將結果返回。

進一步，所述步驟S1中，數據集為兩個月通話記錄，數據維度為43維，并經過數據清洗、變量衍生、特征篩選后得到LGB的輸入特征值。

進一步，所述步驟S1中，原始通話中的數據經過加密處理。

進一步，所述步驟S2中，SMOTE采樣是對少數類的騷擾電話樣本進行分析，并根據少數類騷擾電話樣本人工合成新樣本添加到數據集中；每個少數樣本a，從它的最近鄰中隨機選擇一個樣本b，然后在樣本a、樣本b的連線上隨機選取一個點作為新合成的少數類樣本c，具體的算法步驟包括：

步驟S21，對于少數類中每一個樣本x，以歐氏距離d為標準，計算它到少數類樣本c中所有樣本的距離，得到k近鄰，其中，歐式距離d的計算公式如下所示：

步驟S22，對于每一個少數類樣本x，從其k近鄰中隨機選擇若干個樣本，假設選擇的近鄰為x_n；

步驟S23，對于每一個隨機選出的近鄰x_n，進行隨機線性插值，分別與原樣本構建新的樣本；

步驟S24，將新樣本放入原數據，產生新的訓練集；