申请/专利权人：南京中新赛克科技有限责任公司

申请日：2020-01-06

公开（公告）日：2024-02-13

公开（公告）号：CN111198947B

主分类号：G06F16/35

分类号：G06F16/35;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.13#授权;2020.06.19#实质审查的生效;2020.05.26#公开

摘要：本发明公开了一种基于朴素贝叶斯优化下的卷积神经网络诈骗短信分类方法和系统，建立模板库，将待判别短信与模板库中的短信模板进行匹配分类；模板匹配失败的短信通过textCNN模型进行二次判别，经textCNN模型判别成功的短信完成分类，确定为诈骗短信；textCNN模型判别失败的短信通过计算贝叶斯概率进行再次分类，贝叶斯概率未成功分类的短信，则确定为非诈骗短信。本发明实现了朴素贝叶斯与textCNN并行的短信诈骗分类的方案，且通过关键字的统计生成模板对整个模型进行优化，同时还能进行模板库自增实现自学习，使得短信诈骗分类准确率和召回率都得到大幅度提高。

主权项：1.一种基于朴素贝叶斯优化下的卷积神经网络诈骗短信分类方法，其特征在于包括：构建模板库，将待判别短信与模板库中的短信模板进行匹配分类，模板匹配成功的判定为诈骗短信；模板库的构建包括：将来自于人工研判的所有诈骗短信聚类后，每类找出代表短信样本形成短信模板，构建成模板库；待判别短信与模板库中的短信模板进行匹配分类的具体过程为：将待判别短信与模板库中的短信模板计算其余弦相似度，当相似度大于设定阈值时，判定为诈骗短信，模板匹配成功；模板匹配失败的短信通过textCNN模型进行二次判别，经textCNN模型判别成功的判定为诈骗短信；经textCNN模型判别成功的短信形成新的短信模板，并形成扩增模板加入至模板库中；textCNN模型二次判别的具体过程为：将短信中的文字进行特征矩阵处理；卷积核从上到下进行一维卷积，卷积核的尺寸看作是n-gram的表现形式，然后执行最大合并，记录来自每个特征地图的最大数量；从所有图中生成单变量特征向量，并且特征被连接以形成倒数第二层的特征向量；最后的softmax层接收该特征向量作为输入并使用它来对短信进行分类；textCNN模型判别失败的短信通过计算贝叶斯概率进行再次分类，贝叶斯概率分类成功的短信确定为诈骗短信并完成分类，贝叶斯概率分类失败的短信，则确定为非诈骗短信；计算贝叶斯概率进行再次分类的具体过程为：将基于人工研判的所有诈骗短信，统计其中各关键词在各场景中出现的个数，作为各关键词的先验概率，textCNN模型判别失败的短信基于朴素贝叶斯理论，按照其命中的关键词的先验概率，计算其属于各场景的后验概率，当后验概率大于设定的阈值时，即判为诈骗短信；其中，设定的阈值为0.85。

全文数据：

权利要求：

百度查询： 南京中新赛克科技有限责任公司 基于朴素贝叶斯优化下的卷积神经网络诈骗短信分类方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD