[发明专利]基于语义分析的短信犯罪识别方法、系统和可读存储介质

说明书

本发明公开基于语义分析的短信犯罪识别方法、系统和可读存储介质，其中，短信犯罪识别方法包括：以文本概念为维，建立文本语义表示空间；根据所述文本语义表示空间，对输入的各种短信犯罪类型的样本短信数据进行机器学习，得到每种所述短信犯罪类型对应的语义特征和黑白样本；根据所述语义特征和黑白样本，研判真实短信数据是否为犯罪短信数据；若判定所述真实短信数据为犯罪短信数据，则输出研判结果信息。本发明的技术方案能解决现有技术中以字词为基本特征进行文本分类的方法在对短信内容进行分析时，难以真实重现短信文本信息，还原短信真实语义，进而难以准确识别短信犯罪的问题。

技术领域

本发明涉及语义分析技术领域，尤其涉及一种基于语义分析的短信犯罪识别方法、系统和可读存储介质。

背景技术

现今，使用高科技诈骗的犯罪行为层出不穷；特别是网络诈骗、短信诈骗及电话诈骗等犯罪行为已发展到公开化和产业化的程度，严重影响了金融秩序稳定及社会安全。其中，短信诈骗是较为常见也是较为严重的犯罪行为。

为了展开反短信犯罪行动，需要对短信数据进行信息检索和文本挖掘。目前，信息检索和文本挖掘技术的研究大多可归结为文本分类问题。文本分类技术是指在预先给定的类别标记集合下，根据文本内容对文本进行有序组织，把文本划分到相关联的类别中去的技术；其中，在具体场合中，文本是根据一定的语言衔接和语义连贯规则组成的语句系统。文本分类技术能较好地解决大量文本信息归类的问题，在自然语言理解与处理、信息自动检索和文本过滤等领域都有着广泛的应用。

现今，基于机器学习的文本分类技术正逐渐成熟，它更注重分类器的模型自动挖掘、生成及动态优化能力，相比过去的基于知识工程的文本分类技术，需要的人工干预较少，在分类效果和灵活性上均有所突破。针对短信犯罪，该基于机器学习的文本分类方法，利用统计学的观点和方法进行分类，这种分类方法是以字词作为文本的基本特征进行分类。

然而，字词往往存在多个意义，而在特定文本中的特定位置，只会用到多个意义中的某一个；另外，文本分类是统计方法，各种统计方法又会摒弃字词的位置信息，导致基本的短语及常用词汇组合都会被拆开从而失去原有含义。因此，上述以字词为基本特征的文本分类方法，在对短信内容进行分析时，难以重现短信的真实文本信息，还原短信的真实语义，进而导致难以准确识别犯罪短信。

发明内容

本发明提供基于语义分析的短信犯罪识别方法、系统和可读存储介质，旨在解决现有技术中以字词为基本特征进行文本分类的方法在对短信内容进行分析时，难以重现短信的真实文本信息，还原短信的真实语义，导致难以准确识别短信犯罪的问题。

为实现上述目的，根据本发明的第一方面，本发明提出了一种基于语义分析的短信犯罪识别方法，包括：

以文本概念为维，建立文本语义表示空间；

根据文本语义表示空间，对输入的各种短信犯罪类型的样本短信数据进行机器学习，得到每种短信犯罪类型分别对应的语义特征和黑白样本；

根据语义特征和黑白样本，研判输入的真实短信数据是否为犯罪短信数据；

若判定真实短信数据为犯罪短信数据，则输出研判结果信息。

优选地，上述短信犯罪识别方法还包括：

建立与每种短信犯罪类型分别对应的语义特征库和黑白样本库；

在得到每种短信犯罪类型分别对应的语义特征和黑白样本的步骤之后，所述方法还包括：将所述语义特征和黑白样本添加至与每种短信犯罪类型分别对应的语义特征库和黑白样本库中；

在判定真实短信数据为犯罪短信数据的步骤之后，还包括：

根据文本语义表示空间，对犯罪短信数据进行机器学习，得到犯罪短信数据的语义特征；