[发明专利]基于朴素贝叶斯分类的手机垃圾短信过滤方法与系统

权利要求书

1.一种基于朴素贝叶斯分类的手机垃圾短信过滤方法，其特征在于，包括以下步骤：

步骤1、准备阶段，其包括以下过程：

步骤1-1、选择一个或多个联系人号码作为黑名单号码，并将这些联系人号码存入一黑名单数据库；

步骤1-2、选择一个或多个关键词作为过滤词，并将这些关键词存入一关键词数据库；

步骤1-3、对正常短信样本库和垃圾短信样本库进行分词和训练处理，得到特征词库，其中包括每种类别特征词的先验概率、特征词以及特征词在每种类别中的条件概率组成特征向量；

步骤2、垃圾短信判定阶段，其包括以下过程：

步骤2-1、监听手机系统的短信事件，对新收到的短信息进行信息截取；

步骤2-2、判断短信息是否由黑名单数据库中的至少一个黑名单号码发送的，如果是，则判断为垃圾短信，并进入步骤2-5，否则，进入步骤2-3；

步骤2-3、判断短信息的内容是否包含关键词数据库中的至少一个关键词，如果是，则判断为垃圾短信，并进入步骤2-5，否则，进入步骤2-4；

步骤2-4、基于前述步骤1-3所得特征词库中的特征向量，使用朴素贝叶斯算法计算新短信息是或不是垃圾短信的概率，如果是垃圾短信与不是垃圾短信的概率比超过预设的阀值，则判定该短信息为垃圾短信，并进入步骤2-5，否则，判断为正常短信，进入步骤2-6；

步骤2-5、将判断为垃圾短信的短信息存入一垃圾短信数据库；

步骤2-6、将判断为正常短信的短信息存入手机系统收信箱。

2.根据权利要求1所述的基于朴素贝叶斯分类的手机垃圾短信过滤方法，其特征在于，前述步骤1-3包括以下步骤：

步骤1-3-1、获取正常短信样本库和垃圾短信样本库；

步骤1-3-2、对正常短信和垃圾短信进行分词处理，采用正向最大匹配算法和逆向最大匹配算法抽取词组，取该两种算法抽取结果的并集得到词组组合，为朴素贝叶斯分类训练提供样本词组；

步骤1-3-3、重复上述步骤1-3-2，直到对正常短信样本库和垃圾短信样本库中所有的正常短信和垃圾短信分词处理完毕，得到样本词组库；

步骤1-3-4、对样本词组库的分词结果进行统计，通过朴素贝叶斯分类算法进行训练处理，统计出正常短信和垃圾短信中每种类别特征词及特征词在每种类别中的条件概率，组成特征向量，从而得到整个样本词组库的特征词库。

3.根据权利要求2所述的基于朴素贝叶斯分类的手机垃圾短信过滤方法，其特征在于，前述步骤1-3-2包括以下步骤：

a）正常短信或垃圾短信的短信文本输入；

b）对输入的短信文本进行去噪处理；

c）采用正向最大匹配算法抽取词组；

d）采用逆向最大匹配算法抽取词组；

e）合并上述步骤c和d的抽取结果；以及

f）输出分词结果。

4.根据权利要求1-3中任意一项所述的基于朴素贝叶斯分类的手机垃圾短信过滤方法，其特征在于，前述步骤2-4，包含以下步骤：

a）对短信息内容进行去噪处理，删除无用符号和/或数字；

b）匹配出短信息内容包含的特征词；

c）根据所包含特征词的条件概率计算此短信是或不是垃圾短信的概率；

d）判断是垃圾短信与不是垃圾短信的概率比是否高于一指定阈值：如果是，则判断为正常短信；如果否，则判断为垃圾短信；以及

e）输出判断结果。

5.根据权利要求1所述的基于朴素贝叶斯分类的手机垃圾短信过滤方法，其特征在于，前述基于朴素贝叶斯分类的手机垃圾短信过滤方法，在步骤2之后还包括以下步骤：

步骤3、查看存储于垃圾短信数据库中的垃圾短信拦截记录。

6.根据权利要求5所述的基于朴素贝叶斯分类的手机垃圾短信过滤方法，其特征在于，前述基于朴素贝叶斯分类的手机垃圾短信过滤方法，在步骤3之后还包括以下步骤：

步骤4、删除或恢复存储于垃圾短信数据库中的垃圾短信。