[发明专利]一种诈骗短信识别方法及装置

权利要求书

1.一种诈骗短信识别方法，其特征在于，所述方法包括：

获取短信样本对应的多个特征字段，确定所述多个特征字段分别对应的类型；

基于所述多个特征字段分别对应的类型，将所述多个特征字段输入到短信识别神经网络的不同分支中；

基于短信识别标签信息，使用梯度下降算法，对所述短信识别神经网络进行训练；

利用所述短信识别神经网络的不同分支对不同类型的特征字段进行处理，基于神经网络的正向传播，结果得到短信识别预测结果；

所述短信样本对应的多个特征字段，包括以下至少之一：文本信息、发送侧号码、接收侧号码、发送侧号段、接收侧号段、发送时间、发送侧地址、接收侧地址、发送侧基站、发送频率、群发数量；

属于类别类型的特征字段包括：发送侧号码、接收侧号码、发送侧号段、接收侧号段、发送侧地址、接收侧地址、发送侧基站；属于连续值类型的特征字段包括：发送频率、群发数量、发送时间；属于原始文本类型的特征字段包括：文本信息；

对于属于所述类别类型的特征字段，对所述特征字段进行ID序列编码；将所述ID序列输入到相应的嵌入层，经所述嵌入层对所述ID序列处理后得到稠密表示；将所述稠密表示并联到全连接层；

对于属于所述连续值类型的特征字段，将所述特征字段并联到全连接层；

对于属于所述原始文本类型的特征字段，利用词向量模型对所述特征字段进行处理，得到词向量；对所述词向量进行LSTM编码，得到文本表示；将所述文本表示并联到全连接层。

2.根据权利要求1所述的方法，其特征在于，所述基于短信识别标签信息，使用梯度下降算法，对所述短信识别神经网络进行训练，包括：

基于所述短信识别预测结果和所述短信识别标签信息，计算交叉熵函数值；

识别所述交叉熵函数值是否满足预设条件，如果所述交叉熵函数值不满足预设条件，则基于所述交叉熵函数值对所述短信识别神经网络的参数值进行调整，然后迭代执行获得所述短信识别预测结果的操作，直至所述交叉熵函数值满足预设条件。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取待识别短信的多个特征字段，确定所述多个特征字段分别对应的类型；

基于所述多个特征字段分别对应的类型，将所述多个特征字段输入到训练完的短信识别神经网络的不同分支中；

利用所述训练完的短信识别神经网络的不同分支对不同类型的特征字段进行处理，基于处理结果得到短信识别结果。

4.一种诈骗短信识别装置，其特征在于，所述装置包括：

获取模块，用于获取短信样本对应的多个特征字段，确定所述多个特征字段分别对应的类型；基于所述多个特征字段分别对应的类型，将所述多个特征字段输入到短信识别神经网络的不同分支中；

处理模块，用于基于短信识别标签信息，使用梯度下降算法，对所述短信识别神经网络进行训练；利用所述短信识别神经网络的不同分支对不同类型的特征字段进行处理，基于神经网络的正向传播，结果得到短信识别预测结果；

所述短信样本对应的多个特征字段，包括以下至少之一：文本信息、发送侧号码、接收侧号码、发送侧号段、接收侧号段、发送时间、发送侧地址、接收侧地址、发送侧基站、发送频率、群发数量；

属于类别类型的特征字段包括：发送侧号码、接收侧号码、发送侧号段、接收侧号段、发送侧地址、接收侧地址、发送侧基站；属于连续值类型的特征字段包括：发送频率、群发数量、发送时间；属于原始文本类型的特征字段包括：文本信息；

所述处理模块包括：第一处理子模块；对于属于所述类别类型的特征字段，所述第一处理子模块，用于：对所述特征字段进行ID序列编码；将所述ID序列输入到相应的嵌入层，经所述嵌入层对所述ID序列处理后得到稠密表示；将所述稠密表示并联到全连接层；

所述处理模块包括：第二处理子模块；对于属于所述连续值类型的特征字段，所述第二处理子模块，用于将所述特征字段并联到全连接层；

所述处理模块包括：第三处理子模块；对于属于所述原始文本类型的特征字段，所述第三处理子模块，用于：利用词向量模型对所述特征字段进行处理，得到词向量；对所述词向量进行LSTM编码，得到文本表示；将所述文本表示并联到全连接层。