[发明专利]基于随机森林算法的骚扰电话识别方法及系统

权利要求书

1.一种基于随机森林算法的骚扰电话识别方法，其特征在于，包括以下步骤：

处理原始数据集，确定正负骚扰电话样本的分布比例；

利用SMOTE算法对所述原始数据集进行过采样后生成新样本集；

根据所述新样本集构建骚扰电话识别模型，并初始化所述骚扰电话识别模型中随机森林参数；

利用十折交叉验证训练骚扰电话识别模型后进行验证，并计算其识别效果评估值；

获取最优骚扰电话识别模型，利用pickle依次将最优骚扰电话识别模型序列化和反序列化后构建API，将最优骚扰电话识别模型以接口方式部署上线；

待测通话记录到达时，调用API接口，将数据输入到最优骚扰电话识别模型进行预测。

2.根据权利要求1所述的基于随机森林算法的骚扰电话识别方法，其特征在于，利用SMOTE算法对所述原始数据集进行过采样后生成新样本集包括：

对少数类的骚扰电话样本进行分析，并根据所述骚扰电话样本人工合成新样本添加到原始数据集中；

每个少数类的骚扰电话样本，从其最近邻中随机选取若干第一样本；

在骚扰电话样本和第一样本的连线上随机选取第二样本。

3.根据权利要求1所述的基于随机森林算法的骚扰电话识别方法，其特征在于，针对所述新样本集构建骚扰电话识别模型，并初始化所述骚扰电话识别模型中随机森林参数包括：

设置随机森林参数，其中，所述随机森林参数包括决策树的个数、有放回的采样、信息增益、最适属性时划分的特征和树的最大深度；

计算属性的信息增益，选取最合适的节点，子节点重复计算信息增益，并选取信息增益最大节点，依次论推，生成多棵树，所述信息增益的计算公式如下：

g(D,A)＝H(D)-H(D|A)

其中，H(D)为经验熵，H(D|A)为选定特征A的经验条件熵；

根据随机森林参数和信息增益值构建随机森林，利用随机森林算法训练多颗决策树生成骚扰电话识别模型。

4.根据权利要求1-3任一项所述的基于随机森林算法的骚扰电话识别方法，其特征在于，该方法还包括，所述识别效果评估值对所述骚扰电话识别模型进行评估，其中，所述识别效果评估值包括精准率、召回率和F1-score，其计算公式分别如下：

Precision(精准率)＝TP/(TP+FP)

Recall(召回率)＝TP/(TP+FN)

F1-score＝2*Precision*Recall/(Precision+Recall)

其中，TP代表样本为正，预测结果为正的个数，FP代表样本为负，预测结果为正的个数，FN代表样本为正，预测结果为负的个数。

5.一种基于随机森林算法的骚扰电话识别系统，其特征在于，包括：

确定模块，用于处理原始数据集，确定正负骚扰电话样本的分布比例；

生成模块，用于利用SMOTE算法对所述原始数据集进行过采样后生成新样本集；

第一构建模块，用于根据所述新样本集构建骚扰电话识别模型，并初始化所述骚扰电话识别模型中随机森林参数；

验证模块，用于利用十折交叉验证训练骚扰电话识别模型后进行验证，并计算其识别效果评估值；

获取模块，用于获取最优骚扰电话识别模型，利用pickle依次将最优骚扰电话识别模型序列化和反序列化后构建API，将最优骚扰电话识别模型以接口方式部署上线；

识别模块，用于待测通话记录到达时，调用API接口，将数据输入到最优骚扰电话识别模型进行预测。

6.根据权利要求5所述的基于随机森林算法的骚扰电话识别系统，其特征在于，所述生成模块包括：

分析模块，用于对少数类的骚扰电话样本进行分析，并根据所述骚扰电话样本人工合成新样本添加到原始数据集中；

第一选取模块，用于每个少数类的骚扰电话样本，从其最近邻中随机选取若干第一样本；

第二选取模块，用于在骚扰电话样本和第一样本的连线上随机选取第二样本。