[发明专利]骚扰短信判别方法及装置

权利要求书

1.一种骚扰短信判别方法，其特征在于，包括以下步骤：

解析原始短信内容以获取其中的各个词和数字信息；

分别以所述各个数字信息作为基准，将其前面和后面的词作为维度，计算其前面和后面的词分别到各个数字的距离；

将所述距离作为权重，以生成用于描述该短信的多个特征向量；

将每个特征向量分别输入分类模型以获得输出结果；

基于所述输出结果判别该短信是否为骚扰短信。

2.根据权利要求1所述的方法，其特征在于，所述分类模型为预先训练的模型，其训练步骤如下：

对样本集合中的每条原始短信内容进行解析以获取其中的各个词和数字信息；

以所述数字信息为基准计算各个词分别到各个数字的距离；

将所述各个词分别到各个数字的距离作为权重，各个词作为维度，对每条短信内容进行描述以生成相应的训练样本；

将训练样本人工标记为正样本和负样本；

采用所述正样本和负样本训练分类模型。

3.根据权利要求1或2所述的方法，其特征在于，所述各个词到所述各个数字的距离以每个字作为单位距离进行表征。

4.根据权利要求1或2所述的方法，其特征在于，所述解析步骤具体如下：

删除原始短信中的特定信息；

对短信内容基于语法进行分词，以获取短信中的词、数字及相应词性；

提取其中的数字信息。

5.根据权利要求4所述的方法，其特征在于，所述特定信息包括URL、IP地址、移动电话、客户电话、固定电话。

6.根据权利要求2所述的方法，其特征在于，采用adaboost算法训练分类模型。

7.根据权利要求1所述的方法，其特征在于，所述基于所述输出结果判别该短信是否为骚扰短信的具体步骤为：

当该短信的多个特征向量中至少存在一个特征向量的输出结果为正确时，则判别该短信为正常短信；

否则判别该短信为骚扰短信。

8.根据权利要求7所述的方法，其特征在于，所述输出结果为1则表征正确，输出结果为0则表征错误。

9.根据权利要求8所述的方法，其特征在于，还包括步骤，将分类模型判别为骚扰短信的短信存储于黑名单。

10.根据权利要求8所述的方法，其特征在于，还包括步骤，将判别为骚扰短信的短信从用户短信列表中删除。

11.一种骚扰短信判别装置，其特征在于，包括：

解析模块：用于解析原始短信内容以获取其中的各个词和数字信息；

距离计算模块：用于分别以所述各个数字信息作为基准，将其前面和后面的词作为维度，计算其前面和后面的词分别到各个数字的距离；

特征向量生成模块：用于将所述距离作为权重，以生成用于描述该短信的多个特征向量；

分类模块：用于将每个特征向量分别输入分类模型以获得输出结果；

判别模块：用于基于所述输出结果判别该短信是否为骚扰短信。

12.根据权利要求11所述的装置，其特征在于，所述分类模型为预先训练的模型，基于训练模块训练生成，所述训练模块执行的步骤如下：

对样本集合中的每条原始短信内容进行解析以获取其中的各个词和数字信息；

以所述数字信息为基准计算各个词分别到各个数字的距离；

将所述各个词分别到各个数字的距离作为权重，各个词作为维度，对每条短信内容进行描述以生成相应的训练样本；

将训练样本人工标记为正样本和负样本；

采用所述正样本和负样本训练分类模型。

13.根据权利要求11或12所述的装置，其特征在于，所述各个词到所述各个数字的距离以每个字作为单位距离进行表征。