[发明专利]一种客户端短信过滤嵌入式特征库及更新方法

权利要求书

1.一种客户端短信过滤嵌入式特征库更新方法，其特征在于：

(1)嵌入式特征库包括短信类别表、特征词信息表和特征词类别表，短信类别表中还包括属性“样本数目”和“类别的先验概率”，特征词类别表属性包括“特征词编号”、“类别编号”、“特征词在类中出现的次数”和“特征词在类中出现的概率”；

(2)将基于内容的客户端垃圾短信过滤系统划分为特征库更新模块和实时短信分类模块；

(3)对于新短信nsms，实时短信分类模块采用基于贝叶斯的多分类算法，查找嵌入式特征库，从中读取类别先验概率和特征词类条件概率，计算nsms属于每种类别的概率P(C_k|nsms)，然后找到概率值最大的两种类别C_k1和C_k2，假设P(C_k1|nsms)大于P(C_k2|nsms)，若C_k1和C_k2属于同一类别，则将短信归为这一类别；若C_k1属于垃圾短信类别，C_k2属于正常短信类别，则计算P(C_k1|nsms)与P(C_k2|nsms)的比值R，如果R大于给定的阈值，则将其归为垃圾短信，否则为正常短信；若C_k1属于正常短信类别，C_k2属于垃圾短信类别，则将其归为正常短信；

(4)对于已分类短信，将其类别和特征词信息加入新短信特征表；

(5)根据新短信特征表，特征库更新模块对嵌入式特征库进行定期更新；

(6)所述特征库更新模块包括如下步骤：

步骤1：根据新短信特征表中的类别信息，更新嵌入式特征库中的短信类别信息，所述嵌入式特征库中的短信类别信包括样本数目、是否为垃圾短信、类别的先验概率P(C_k)；

步骤2：对于新短信特征表中的每一个特征词，查找其在特征词信息表中是否存在，若存在则更新其在嵌入式特征库中的特征词信息和特征词类别信息，若不存在则在特征词信息表和特征词类别表中添加该特征词信息，所述嵌入式特征库中的特征词信息和特征词类别信息包括特征词权重、特征词在类中出现的次数、特征词在类中出现的概率P(t_i|C_k)；

步骤3：如果嵌入式特征库中的特征词数目大于N_max，则执行步骤4，否则结束；

步骤4：将特征词信息表中特征词按照权重大小排序，删除权重最低的N_delete个特征词，同时级联删除特征词类别表中的数据；

所述步骤1和步骤2中对P(C_k)和P(t_i|C_k)的更新都是通过对原有值乘以一个常数，然后再与一个常数做加法运算得到的，即通过简单的线性运算就可以得到更新后的数据，不需要重新统计；

(7)用户可根据需求随时设置或更新嵌入式特征库中的类别信息；

(8)如果用户变更了某一类别C_k的“是否为垃圾短信”属性，这时C_k类短信的样本数C_k类的样本中所有特征词出现的总次数和C_k类的样本中特征词t_i出现的次数都不会发生变化，即类别C_k的先验概率P(C_k)和特征词在类中出现的概率P(t_i|C_k)的值保持不变，因此嵌入式特征库中其它数据无需更改，短信分类模块可即时适应于新的类别设置。