[发明专利]一种自定义规则的多模型融合的不良呼叫识别方法

说明书

一种自定义规则的多模型融合的不良呼叫识别方法，包括：构建规则策略模型：设置若干条规则，将多条规则通过逻辑运算符连接构成策略，并设置策略的模型融合方式，由所有策略构成规则策略模型；构建识别不良呼叫的卷积神经网络和基于不良呼叫投诉的BERT文本分类模型；根据策略包含的规则的计算式，为每条策略生成递归计算表达式，然后执行递归计算表达式以获得策略执行结果，同时，运行卷积神经网络和BERT文本分类模型以获得输出结果，最后根据每条策略的模型融合方式和执行结果、卷积神经网络和BERT文本分类模型的输出结果，计算得到不良呼叫识别结果。本发明属于信息技术领域，能将规则和隐性表征模型有效融合到不良呼叫识别技术中。

技术领域

本发明涉及一种自定义规则的多模型融合的不良呼叫识别方法，属于信息技术领域。

背景技术

不良呼叫严重影响广大正常用户的日常生活，越来越多的犯罪分子通过不良呼叫进行诈骗骚扰，侵害普通人群的财产安全。为了能够实现对不良呼叫的识别提醒，传统的分析方案是在专家经验的基础上，利用码号规则、行为静态规则等特征，实现了强解释性的识别策略。但是随着犯罪分子行为的升级，这种方法存在着推荐目标单一、准确率下降的问题。而新兴的以隐形表征模型为主的推荐技术，虽然可以实现多视角、多维度、多尺度的不良呼叫识别，但是也存在可解释性差、对标注数据依赖验证的问题。

因此，如何将规则和隐性表征模型融合到不良呼叫识别技术中，从而既能保留专家经验和业务强解释性，还能充分利用多种表征模型提升模型整体效果，有效提升不良呼叫识别的可用性、准确性，已经成为技术人员普遍关注的技术问题。

发明内容

有鉴于此，本发明的目的是提供一种动态融合规则到不良呼叫识别模型的方法，能将规则和隐性表征模型融合到不良呼叫识别技术中，从而既保留专家经验和业务强解释性，还充分利用多种表征模型提升模型整体效果，有效提升不良呼叫识别的可用性、准确性。

为了达到上述目的，本发明提供了一种自定义规则的多模型融合的不良呼叫识别方法，包括有：

步骤一、构建规则策略模型：设置若干条不良呼叫识别规则，并保存在规则表中，然后将规则表中的多条规则通过逻辑运算符连接构成策略，并设置每条策略的模型融合方式，由所有策略构成规则策略模型；

步骤二、分别构建识别不良呼叫的卷积神经网络和基于不良呼叫投诉的BERT文本分类模型，其中，数据源包括呼叫信令、用户投诉的相关文本、公安反馈的不良呼叫文本信息、或其他渠道获取的文本标签；

步骤三、根据策略包含的所有规则的计算式，为规则策略模型中的每条策略生成相应的递归计算表达式，然后执行策略的递归计算表达式以获得每条策略的执行结果，同时，运行卷积神经网络和BERT文本分类模型以获得各自的输出结果，最后根据每条策略的模型融合方式和执行结果、卷积神经网络和BERT文本分类模型的输出结果，计算得到最终的不良呼叫识别结果。

与现有技术相比，本发明的有益效果是：本发明基于用户自定义规则，并采取多种融合方式，将规则策略模型的执行结果和卷积神经网络、BERT文本分类模型这些表征模型的输出结果进行融合，从而不仅能保留专家经验和业务强解释性，还充分利用多种表征模型提升模型整体效果，有效提升不良呼叫识别的可用性、准确性。

附图说明

图1是本发明一种自定义规则的多模型融合的不良呼叫识别方法的流程图。

图2是图1步骤三中，根据策略包含的所有规则的计算式，为规则策略模型中的每条策略生成相应的递归计算表达式的具体步骤流程图。

图3是图1步骤三中，根据每条策略的模型融合方式和执行结果、卷积神经网络和BERT文本分类模型的输出结果，计算得到最终的不良呼叫识别结果的具体步骤流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。