[发明专利]垃圾邮件的检测方法及装置、存储介质和电子设备

权利要求书

1.一种垃圾邮件的检测方法，其特征在于，包括：

获取N个目标邮件，其中，所述N个目标邮件为待检测的邮件，所述目标邮件中至少包括图像数据和文本数据，N为正整数；

将所述N个目标邮件输入目标检测模型进行检测处理，得到对所述N个目标邮件进行检测的目标检测结果，其中，所述目标检测模型是基于残差网络和第一神经网络模型构建的模型，所述残差网络用于检测邮件中的图像数据，所述第一神经网络模型用于检测邮件中的文本数据，所述目标检测结果表示所述N个目标邮件中是否存在垃圾邮件。

2.根据权利要求1所述的方法，其特征在于，所述目标检测模型中至少包括所述残差网络和所述第一神经网络模型，将所述N个目标邮件输入目标检测模型进行检测处理，得到对所述N个目标邮件进行检测的目标检测结果包括：

通过所述残差网络检测每个目标邮件中的图像数据，得到第一检测结果；

通过所述第一神经网络模型检测每个目标邮件中的文本数据，得到第二检测结果；

依据所述第一检测结果和所述第二检测结果，得到所述目标检测结果。

3.根据权利要求2所述的方法，其特征在于，所述第一神经网络模型中至少包括决策模型和用于检测词语的第二神经网络模型，通过所述第一神经网络模型检测每个目标邮件中的文本数据，得到第二检测结果包括：

依据每个目标邮件中的文本数据，得到词向量集合，其中，所述词向量集合中至少包括T个词向量，T为正整数；

利用所述第二神经网络模型对所述T个词向量进行累加处理，得到累加后的T个词向量；

将所述累加后的T个词向量输入所述第二神经网络模型的目标层进行检测处理，得到对所述T个词向量进行检测的第三检测结果，其中，所述目标层的结构至少包括哈夫曼树结构；

利用所述决策模型，结合所述第三检测结果，得到所述第二检测结果。

4.根据权利要求1所述的方法，其特征在于，所述目标检测模型通过以下方式得到：

确定用于检测图像数据的所述残差网络和用于检测文本数据的所述第一神经网络模型；

基于所述残差网络和所述第一神经网络模型，构建第一检测模型；

对所述第一检测模型进行学习训练，得到第二检测模型；

对所述第二检测模型的初始参数进行更新处理，得到所述目标检测模型。

5.根据权利要求4所述的方法，其特征在于，对所述第一检测模型进行学习训练，得到第二检测模型包括：

获取用于模型训练的训练集；

基于所述训练集对所述第一检测模型进行学习训练，得到所述第二检测模型。

6.根据权利要求5所述的方法，其特征在于，获取用于模型训练的训练集包括：

获取M个第一邮件，其中，所述M个第一邮件中至少包括垃圾邮件和非垃圾邮件，M为正整数；

依据所述M个第一邮件，得到图像集合，其中，所述图像集合中至少包括S个目标图像，S为正整数；

对每个目标图像的像素值进行更新处理，得到更新处理后的图像集合；

基于所述更新处理后的图像集合和所述M个第一邮件，得到数据集；

按照预设比例，将所述数据集划分为所述训练集和用于测试模型的测试集。

7.根据权利要求4所述的方法，其特征在于，对所述第二检测模型的初始参数进行更新处理，得到所述目标检测模型包括：

利用交叉熵损失函数对所述第二检测模型进行学习训练，得到目标参数；

将所述第二检测模型的初始参数替换为所述目标参数，得到所述目标检测模型。

8.根据权利要求4所述的方法，其特征在于，在对所述第二检测模型的初始参数进行更新处理，得到所述目标检测模型之后，所述方法还包括：

确定用于评估所述目标检测模型的P个评估指标，其中，P为正整数；

利用用于测试模型的测试集，结合所述P个评估指标，确定对所述目标检测模型进行测试的测试结果。