[发明专利]垃圾短信识别方法及装置

权利要求书

1.一种垃圾短信识别方法，其特征在于，包括：

接收待识别短信；

对所述待识别短信进行特征提取，得到所述待识别短信的第一特征向量，所述第一特征向量中包括所述待识别短信的第一单词；

使用预设的贝叶斯识别器，根据所述待识别短信的第一特征向量确定所述待识别短信的第一垃圾正常比；

在所述第一垃圾正常比小于等于预设的第一阈值大于等于预设的第二阈值时，将所述第一特征向量中的所述第一单词替换为与所述第一单词的相似度超过预设阈值的第二单词，生成所述待识别短信的第二特征向量；

使用所述贝叶斯识别器，根据所述待识别短信的第二特征向量确定所述待识别短信的第二垃圾正常比；

根据所述第二垃圾正常比和所述第一垃圾正常比确定所述待识别短信是否为垃圾短信。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述第一垃圾正常比大于预设的第一阈值时，确定所述待识别短信为垃圾短信；

在所述第一垃圾正常比小于预设的第二阈值时，确定所述待识别短信为正常短信。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将样本短信中第一垃圾正常比最大的NSC条短信中最小的第一垃圾正常比设置为第一阈值，将样本短信中第一垃圾正常比最小的NNC条短信中最大的第一垃圾正常比设置为第二阈值，其中，所述NNC条短信中正常短信的比率的阈值大于阈值RN，所述NSC条短信中垃圾短信的比率的阈值大于阈值RS，所述NSC和所述NNC均为正整数。

4.根据权利要求1所述的方法，其特征在于，所述第二单词包括训练所述贝叶斯识别器时训练样本中的单词。

5.根据权利要求1所述的方法，其特征在于，所述根据所述第二垃圾正常比和所述第一垃圾正常比确定所述待识别短信是否为垃圾短信，包括：

在所述第二垃圾正常比大于预设的第一阈值时，确定所述待识别短信为垃圾短信；

在所述第二垃圾正常比小于预设的第二阈值时，确定所述待识别短信为正常短信；

在所述第一垃圾正常比和所述第二垃圾正常比均大于预设的第三阈值，确定所述待识别短信为垃圾短信；

在所述第一垃圾正常比和所述第二垃圾正常比均小于预设的第三阈值，确定所述待识别短信为正常短信；

在所述预设的第三阈值在所述第一垃圾正常比和所述第二垃圾正常比之间时，确定所述待识别短信为正常短信；

其中，所述第三阈值小于所述第一阈值大于所述第二阈值。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

分别将样本短信中一条样本短信的第一垃圾正常比作为初始第三阈值，按照所述第一垃圾正常比小于初始第三阈值的短信识别为正常短信，所述第一垃圾正常比大于初始第三阈值的短信识别为垃圾短信的识别规则，对其他样本短信进行识别；

将识别正确的样本短信数量最多的初始第三阈值设置为第三阈值。

7.一种垃圾短信识别装置，其特征在于，包括：

接收模块，用于接收待识别短信；

提取模块，用于对所述待识别短信进行特征提取，得到所述待识别短信的第一特征向量，所述第一特征向量中包括所述待识别短信的第一单词；

第一确定模块，用于使用预设的贝叶斯识别器，根据所述待识别短信的第一特征向量确定所述待识别短信的第一垃圾正常比；

替换模块，用于在所述第一垃圾正常比小于等于预设的第一阈值大于等于预设的第二阈值时，将所述第一特征向量中的所述第一单词替换为与所述第一单词的相似度超过预设阈值的第二单词，生成所述待识别短信的第二特征向量；

第二确定模块，用于使用所述贝叶斯识别器，根据所述待识别短信的第二特征向量确定所述待识别短信的第二垃圾正常比；

第三确定模块，用于根据所述第二垃圾正常比和所述第一垃圾正常比确定所述待识别短信是否为垃圾短信。