[发明专利]一种基于中文分词识别不规则垃圾短信的方法

权利要求书

1.一种基于中文分词识别不规则垃圾短信的方法，其特征在于，包括下列步骤：

步骤S1，接收短信，读取短信内容；

步骤S2，根据短信内容，按照从左到右的横向排列方式，进行中文分词；

步骤S3，按步骤S2的中文分词结果，记录单词个数W1，W1为正整数，计算短信横排权重Q1＝1/(1+W1)；

步骤S4，根据不规则排列短信用控制字符控制每行短信字符数的特点，计算上述接收的短信的不规则区域，将不规则区域中的短信内容按照竖向排列方式读取，按照读取的短信内容，将上述接收的短信转换为横向排列的短信；

步骤S5，对步骤S4中转换得到的短信，按照从左到右的横向排列方式进行中文分词；

步骤S6，按步骤S5的中文分词结果，记录单词个数W2，W2为正整数，计算短信竖排权重Q2＝1/(1+W2)；

步骤S7，比较短信横排权重Q1与短信竖排权重Q2，若Q1<Q2，进入步骤S8b；若Q1>＝Q2，进入步骤S8a；

步骤S8a，判定短信为正常排列短信；

步骤S8b，判定短信为不规则排列短信，

所述步骤S4中，所述的计算上述接收的短信的不规则区域，指：计算每行字符的个数，按照每行的字符个数模型，确定短信的不规则区域，

所述的每行的字符个数模型，指：等长规则或者等差规则，其中，等长规则指：当前行的字符个数和上一行的字符个数相等；等差规则指：当前行的字符个数与上一行的字符个数的差等于同一个常数。

2.根据权利要求1所述的基于中文分词识别不规则垃圾短信的方法，其特征在于，所述的不规则排列短信包括：竖排短信、横竖混排短信和竖排异形短信。

3.根据权利要求2所述的基于中文分词识别不规则垃圾短信的方法，其特征在于，根据判定的短信类型，采用内容分析匹配关键字，依据规则识别出是否符合关键字，从而识别是否为垃圾短信。

4.根据权利要求1所述的基于中文分词识别不规则垃圾短信的方法，其特征在于，所述方法基于连接于七号信令网中信令链路的信令消息检测处理装置以及连接所述信令消息检测处理装置的业务管理中心。