[发明专利]基于分类模拟模型提升短信触达率的方法及装置

权利要求书

1.基于分类模拟模型提升短信触达率的方法，其特征在于，包括以下步骤：

步骤（1）：将无标签的短信样本数据输入到真实的短信触达识别装置M0中，获得带二分类标签的短信样本数据D，对带二分类标签的短信样本数据D训练得到文本分类模拟模型M1；

步骤（2）：将预发送的短信文本，经过分词和去除停用词处理后，得到预处理短信文本序列X_org，将其输入到文本分类模拟模型M1中：

若模型预测结果M1(X_org)=0，则发送短信；

若模型预测结果M1(X_org)=1，则继续步骤（3）；

步骤（3）：将预处理短信文本序列X_org生成对抗文本序列X_adv，包括以下步骤：

（31）固定信息抽取：对预处理短信文本序列X_org进行短信固定信息抽取，获取短信签名w_sig，同时进行短信内容中固定信息识别获得所有的固定信息词汇集合X_fix；

（32）确定影响因子集合：将预处理短信文本序列X_org过滤掉其中的固定信息词汇集合，得到可以替换的词汇序列X_replace=X_org-X_fix；遍历逐个删除可替换的词汇序列X_replace中的词汇，输入到文本分类模拟模型M1中进行预测；

X_org/w表示预处理短信文本序列X_org中删除了词汇w后的文本序列，当M1(X_org/w)=0时，则w为影响因子词汇，遍历结束，得到影响因子词汇集合：X_factor={w_fac1 ，w_fac2，…，w_fack}；

（33）构建同义词库：对步骤（2）的影响因子词汇集合X_factor中的每一词汇w_fack选择与其最相似的q个词汇，得到其同义词集合：

w_{fack_sim}={w_{fack_sim1}，w_{fack_sim2}， …，w_{fack_simp}，…， w_{fack_simq} }；

（34）生成对抗文本序列X_adv：

将预处理短信文本序列X_org中每个影响因子词汇w_fack逐个替换为其同义词W_{fack_simp}，然后依次输入到文本分类模拟模型M1中进行预测，依次遍历影响因子词汇集合X_factor，如果M1=0，即替换的同义词改变预测结果，则将该同义词替换预处理短信文本序列X_org中的影响因子词汇，即得到对抗文本序列X_adv；

步骤（4）：将对抗文本序列X_adv输入文本分类模拟模型M1中，使得M1(X_adv)=0，然后将对抗文本序列X_adv输入到真实的短信触达识别装置M0中：

若M0(X_adv)=0，则发送短信；

若M0(X_adv)=1，则返回步骤（3），直至真实的短信触达识别装置M0的预测结果为0时，发送短信。

2.根据权利要求1所述的基于分类模拟模型提升短信触达率的方法，其特征在于，

所述的带二分类标签的短信样本数据D=（X，Y），X={X₁，X₂，…，X_n}，Y={0，1}，其中，Y表示短信样本标签，Y=0表示短信可以触达用户，Y=1表示短信无法触达用户，X表示所有的短信样本数据，包含n条短信样本，每条短信样本数据可表示为X_i=[w₁，w₂，…，w_j…，w_m]，i∈[1，n]，j∈[1，m]，X_i表示每条短信文本数据的特征词汇序列，w_j表示短信文本中的特征词汇。