[发明专利]一种基于LGB算法的诈骗电话识别方法

权利要求书

1.一种基于LGB算法的诈骗电话识别方法，其特征在于，包括以下步骤：

步骤S1，获取原始通话的数据集，人工研判确定正负数据样本分布比例；

步骤S2，采用SMOTE算法对原始通话的数据集进行采样，形成最终数据集，并将数据集分类训练集和测试集；

步骤S3，提取通话话单特征行为，并对模型参数进行初始化；

步骤S4，采用十折交叉验证法训练模型，使用测试集进行验证，并计算出模型的精准率，召回率以及F1分数；

步骤S5，采用网格搜索获得最优的LGB模型，并采用pickle模块将模型序列化，保存到服务器；

步骤S6，采用pickle模块将模型反序列化，并用Flask框架构建API，将模型以接口的方式部署上线；

步骤S7，测通话记录到达时，调用API接口，将数据输入到LGB预测模型中，模型预测后，将结果返回。

2.根据权利要求1所述的一种基于LGB算法的诈骗电话识别方法，其特征在于，所述步骤S1中，数据集为两个月通话记录，数据维度为43维，并经过数据清洗、变量衍生、特征筛选后得到LGB的输入特征值。

3.根据权利要求2所述的一种基于LGB算法的诈骗电话识别方法，其特征在于，所述步骤S1中，原始通话中的数据经过加密处理。

4.根据权利要求1所述的一种基于LGB算法的诈骗电话识别方法，其特征在于，所述步骤S2中，SMOTE采样是对少数类的骚扰电话样本进行分析，并根据少数类骚扰电话样本人工合成新样本添加到数据集中；每个少数样本a，从它的最近邻中随机选择一个样本b，然后在样本a、样本b的连线上随机选取一个点作为新合成的少数类样本c，具体的算法步骤包括：

步骤S21，对于少数类中每一个样本x，以欧氏距离d为标准，计算它到少数类样本c中所有样本的距离，得到k近邻，其中，欧式距离d的计算公式如下所示：

步骤S22，对于每一个少数类样本x，从其k近邻中随机选择若干个样本，假设选择的近邻为x_n；

步骤S23，对于每一个随机选出的近邻x_n，进行随机线性插值，分别与原样本构建新的样本；

步骤S24，将新样本放入原数据，产生新的训练集；

其中，SMOTE采样结束后，形成最终的新样本集，即分为训练样本与测试样本。

5.根据权利要求1所述的一种基于LGB算法的诈骗电话识别方法，其特征在于，所述步骤S3中，提取通话话单特征行为的指标为信息增益，某个特征的信息增益越大，则这个特征的选择性越好，其计算公式如下所示：

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，计算公式分别如下所示：

其中，训练数据集合D，|D|为样本容量，即样本的个数(D中元素个数)，设有K个类C_k来表示，|Ck|为C_i的样本个数，|C_k|之和为|D|，k＝1，2.....，根据特征A将D划分为n个子集D₁，D₂.....D_n，|D_i|为Di的样本个数，|Di|之和为|D|，i＝1，2，…，记D_i中属于C_k的样本集合D_ik，即交集，|D_ik|为D_ik的样本个数。

6.根据权利要求1所述的一种基于LGB算法的诈骗电话识别方法，其特征在于，所述步骤S4中，模型参数包括配置文件参数、核心算法运行参数。