[发明专利]识别数据的方法、识别垃圾邮箱的方法及文件识别的方法

说明书

本申请公开了一种识别数据的方法、识别垃圾邮箱的方法及文件识别的方法。其中，该方法包括：获取待识别数据，其中，上述待识别数据包括用于指示上述待识别数据的标识的字符信息；获取上述字符信息所对应的语言特征，其中，上述语言特征包括如下至少之一：上述字符信息中单词所包含的字符的发音的重复占比、上述单词中包含的重复字符的占比和上述单词中包含的数字的占比；基于上述语言特征，确定上述待识别数据是否为第一类型数据。本申请解决了现有技术采用文本相似度来识别数据，由于文本相似度的识别过程会有一定的识别误差，导致识别结果不准确的技术问题。

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种识别数据的方法、识别垃圾邮箱的方法及文件识别的方法。

背景技术

随着海外电商平台的兴起，很多用户开始使用海外邮箱注册登录海外电商平台，不法用户注册海外垃圾邮箱进行刷单的情况也逐渐增多，并且，由于之前国内的垃圾邮箱识别方法，主要是基于中文文字使用习惯进行判断识别，直接采用国内的垃圾邮箱识别方法识别海外邮箱，会造成识别误差或者或识别遗漏。

目前现有的识别垃圾邮箱的方法中较为常用方法是：为采用文本相似度来识别垃圾邮箱，但是，文本相似度基于笛卡尔积算法进行计算，计算成本较大，且文本相似度的识别过程会有一定的识别误差，例如，A邮箱命名为admin1@A.com；B邮箱命名为admin2@B.com，在利用文本相似度进行垃圾邮箱识别的过程中，可能存在对A邮箱和B邮箱识别误差的情况，导致垃圾邮箱的识别结果不准确。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种识别数据的方法、识别垃圾邮箱的方法及文件识别的方法，以至少解决现有技术采用文本相似度来识别数据，由于文本相似度的识别过程会有一定的识别误差，导致识别结果不准确的技术问题。

根据本申请实施例的一个方面，提供了一种识别数据的方法，包括：获取待识别数据，其中，上述待识别数据包括用于指示上述待识别数据的标识的字符信息；获取上述字符信息所对应的语言特征，其中，上述语言特征包括如下至少之一：上述字符信息中单词所包含的字符的发音的重复占比、上述单词中包含的重复字符的占比和上述单词中包含的数字的占比；基于上述语言特征，确定上述待识别数据是否为第一类型数据。

根据本申请实施例的另一方面，还提供了一种识别垃圾邮箱的方法，包括：接收输入的邮箱的字符信息，其中，上述字符信息包含：组成邮箱名称的单词的字符；对上述邮箱的字符信息进行分析，得到上述字符信息所对应的语言特征，其中，上述语言特征包括如下至少之一：上述字符信息中单词所包含的字符的发音的重复占比、上述单词中包含的重复字符的占比和上述单词中包含的数字的占比；基于上述语言特征，确定上述邮箱是否为垃圾邮箱。

根据本申请实施例的另一方面，还提供了一种文件识别的方法，包括：确定待检测对象的对象名称的字符信息，其中，上述字符信息包含：组成上述对象名称的单词的字符；对上述字符信息进行分析，得到上述字符信息所对应的发音特征；基于上述发音特征，确定上述待检测对象是否为指定类型对象。

根据本申请实施例的另一方面，还提供了一种识别数据的方法，包括：获取待识别数据，其中，上述待识别数据包括用于指示上述待识别数据的标识的字符信息；获取上述字符信息中一或多个单词所包含的字符的发音的重复占比；基于上述重复占比，确定上述待识别数据是否为第一类型数据。

根据本申请实施例的另一方面，还提供了一种计算设备，包括：第一装置，用于接收输入的邮箱的字符信息，其中，上述字符信息包含：组成邮箱名称的单词的字符；处理器，上述处理器运行程序，其中，上述程序运行时对于从上述第一装置输出的数据执行如下处理步骤：对上述邮箱的字符信息进行分析，得到上述字符信息所对应的语言特征，其中，上述语言特征包括如下至少之一：上述字符信息中单词所包含的字符的发音的重复占比、上述单词中包含的重复字符的占比和上述单词中包含的数字的占比；基于上述语言特征，确定上述邮箱是否为垃圾邮箱。