[发明专利]一种基于LGB算法的诈骗电话识别方法

说明书

本发明公开了一种基于LGB算法的诈骗电话识别方法，包括以下步骤：获取原始通话的数据集；采用SMOTE算法对原始通话的数据集进行采样，并将数据集分类训练集和测试集；提取通话话单特征行为，并对模型参数进行初始化；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；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；采用pickle模块将模型反序列化，并用Flask框架构建API；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。本发明提供一种基于LGB算法的诈骗电话识别方法，这种方法可以实现诈骗电话自动分类预测，还能显著提高公安人员破案效率，降低企业及个人的经济损失。

技术领域

本发明涉及网络通信技术领域，具体来说，涉及一种基于LGB算法的诈骗电话识别方法。

背景技术

骚扰电话五花八门，从最初各类中奖，现在的冒充公检法、理财、购物客服、机票改签等，实骗花样逐年翻新，并呈现有“撒网式”到“精准化”的演变趋势。电话诈骗造成了人民群众巨大经济损失，扰乱了人们正常的工作和生活秩序，极大地危害了社会的诚信，已成为严重侵害人名群众切身利益的社会公害。

发明内容

针对相关技术中的问题，本发明提出一种基于LGB算法的诈骗电话识别方法，解决现有电话诈骗造成了人民群众巨大经济损失，扰乱了人们正常的工作和生活秩序，极大地危害了社会的诚信的问题。

为了实现上述技术目的，本发明的技术方案是这样的：

设计一种基于LGB算法的诈骗电话识别方法，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。

进一步，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。

进一步，所述步骤S1中，原始通话中的数据经过加密处理。

进一步，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；