[发明专利]基于机器学习的Android平台垃圾短信检测系统

权利要求书

1.基于机器学习的Android平台垃圾短信检测系统，其特征在于，包括操作模块、数据库模块、服务模块和判定模块；

所述操作模块用于输入黑名单号码，并决定是否开启过滤服务；

所述数据库模块用于保存输入的黑名单号码；

所述服务模块包括黑名单匹配模块和贝叶斯分类器模块，黑名单匹配模块能够将号码和数据库模块中的黑名单号码进行匹配，如果匹配，则直接过滤该号码；贝叶斯分类器模块采用离线模式进行训练，训练好后，用于检测陌生号码是否需要过滤；

所述判定模块根据贝叶斯分类器模块的检测结果过滤对应的短信。

2.根据权利要求1所述的方法，其特征在于，系统执行如下步骤：

步骤1，用户通过操作模块，采用手动输入或者导入通讯录的方式输入黑名单号码，该黑名单号码存入数据库模块中，当用户移动终端接收到一条短信时，如果用户开启了过滤服务，执行步骤2，否则过滤服务不启动；

步骤2，黑名单匹配模块将短信号码和数据库模块中的黑名单号码进行匹配，如果匹配，则直接过滤该条短信；如果不匹配，执行步骤3；

步骤3，贝叶斯分类器模块检测该条短信是否需要过滤，如果是，则将该短信号码加入黑名单，并存入数据库模块，同时判定模块将该条短信过滤；否则判定该条短信不是垃圾短信，允许用户查阅。

3.根据权利要求2所述的方法，其特征在于，所述贝叶斯分类器模块采用离线模式进行训练，具体包括如下步骤：

步骤A1，通过如下公式计算短信样本s属于第j个类别c_j的条件概率P(c_j|s)：

P(c_j|s)＝P(c_j)P(s|c_j)/P(s) (1)

其中，P(c_j)是类别c_j的先验概率，P(s|c_j)是类别c_j的条件概率，P(s)是常量，s是一组n维特征向量表示(t₁，t₂，…t_n)，t_n表示第n个特征向量，则其中概率值P(c_j|s)最大的类即文本s所属的类别；

设定n个特征向量彼此独立，则：

P(s|c_j)＝P(t₁|c_j)P(t₂|c_j)...P(t_n|c_j) (2)

其中，P(t_n|c_j)表示第n个特征向量属于类别c_j的条件概率；

步骤A2，根据朴素贝叶斯算法，分别计算短信样本s属于类别c₀和c₁的后验概率值，选择概率值最大的类别作为s的分类，该类称为最大后验假定，其中c₀表示正常短信集合，c₁表示垃圾短信集合；

步骤A3，由公式(1)，要最大化P(c_j|s)，则需要最大化P(c_j)P(s|c_j)，P(c_j)通过用类别c_j中的样本数mj除以样本总数m求得，P(s|c_j)通过公式(2)求得，最终将短信样本s归类到对应后验概率值最大的类。