[发明专利]骚扰短信判别方法及装置

说明书

本发明提供一种骚扰短信判别方法，包括步骤：解析原始短信内容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数字的距离；将所述距离作为权重，各个词作为维度，对短信内容进行描述以生成相应的多个特征向量；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。本发明所述方法或装置，可以更精确地判断骚扰短信，能够提高骚扰短信被拦截的概率，同时降低对用户有用的短信被拦截的概率。

技术领域

本发明涉及移动终端技术，具体而言，本发明涉及一种骚扰短信判别方法及装置。

背景技术

随着信息技术的发展，移动通信成为人们日常通信的主要手段，除电话、视频等通信方式以外，短信也作为一种方便快捷的通信方式，成为性价比最高、覆盖面最广的通信方式。但随之而来的骚扰短信给用户带来了很大困扰。商家做宣传、不法分子通过短信发钓鱼网址等，会发送骚扰短信给用户。因此，现有技术为了避免接收大量骚扰短信的推送，会基于一定的策略判断当前接收的短信是否是对用户有用的短信，而将判别为骚扰短信的信息自动放入黑名单或删除，从而防止大量骚扰短信给用户带来的不便。

现有技术通常根据通讯录判别短信的发送方是否为陌生号码，以判别该短信是否为骚扰短信，或通过简单的策略对骚扰短信进行过滤，造成将对用户有用的短信误判成骚扰短信，基于此，需要提供一种更精确的骚扰短信判别方法，以提高判断骚扰短信的正确率。

发明内容

本发明的目的旨在解决上述至少一个问题，提供一种骚扰短信判别方法及装置，以尽可能正确地判别骚扰短信。

为了实现上述目的，本发明提供一种骚扰短信判别方法，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；

以所述数字信息为基准分别计算各个词到各数字的距离；

将所述距离作为权重，各个词作为维度，对短信内容进行描述以生成相应的多个特征向量；

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。

具体的，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；

将所述相应距离作为权重，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。

进一步，所述对短信内容进行描述以生成相应的特征向量的具体步骤为：分别以所述各个数字作为基准，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，将相应距离作为权重，以生成用于描述该短信的多个特征向量。

具体的，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。

具体的，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。

具体的，所述特定信息包括URL、IP地址、移动电话、客户电话、固定电话。

较佳的，采用adaboost算法训练分类模型。

具体的，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：