[发明专利]一种邮件分类模型的构建方法、装置、终端设备和介质

权利要求书

1.一种邮件分类模型的构建方法，其特征在于，包括：

利用样本邮件数据集，构建目标数据集和语料库；其中，所述目标数据集包括文本数据集、URL链接数据集、脚本数据集、图像数据集和融合数据集，所述融合数据集包括文本数据、URL链接数据、脚本数据和图像数据其中多种组合的数据集，所述语料库包括文本语料库、URL链接语料库和脚本语料库；

将所述语料库用于训练与所述文本数据集、所述URL链接数据集和所述脚本数据集一一对应的word2vec模型，并利用所述word2vec模型将所述文本数据集、所述URL链接数据集和所述脚本数据集转换为特征向量；

构建与所述目标数据集中除所述融合数据集外的各数据集一一对应的分类器，并训练所述分类器，得到相应的分类模型；

将所述融合数据集用于训练所述分类模型，得到所述融合数据集中各种数据的决策权重；

根据所述决策权重，利用测试邮件数据集对所述分类模型进行指标评估验证和优化。

2.根据权利要求1所述的邮件分类模型的构建方法，其特征在于，所述文本语料库、所述URL链接语料库和所述脚本语料库，分别为根据所述文本数据集、所述URL链接数据集和所述脚本数据集构建所得。

3.根据权利要求1所述的邮件分类模型的构建方法，其特征在于，所述分类模型为深度学习模型。

4.根据权利要求1所述的邮件分类模型的构建方法，其特征在于，所述相应的分类模型，包括：

所述文本数据集、所述URL链接数据集、所述脚本数据集、所述图像数据集的分类模型分别为CNN模型、RNN模型、LSTM模型和CNN模型。

5.一种邮件分类模型的构建装置，其特征在于，包括：

数据获取模块，用于利用样本邮件数据集，构建目标数据集和语料库；其中，所述目标数据集包括文本数据集、URL链接数据集、脚本数据集、图像数据集和融合数据集，所述融合数据集包括文本数据、URL链接数据、脚本数据和图像数据其中多种组合的数据集，所述语料库包括文本语料库、URL链接语料库和脚本语料库；

向量转换模块，用于将所述语料库用于训练与所述文本数据集、所述URL链接数据集和所述脚本数据集一一对应的word2vec模型，并利用所述word2vec模型将所述文本数据集、所述URL链接数据集和所述脚本数据集转换为特征向量；

模型预建模块，用于构建与所述目标数据集中除所述融合数据集外的各数据集一一对应的分类器，并训练所述分类器，得到相应的分类模型；

权重获取模块，用于将所述融合数据集用于训练所述分类模型，得到所述融合数据集中各种数据的决策权重；

模型优化模块，用于根据所述决策权重，利用测试邮件数据集对所述分类模型进行指标评估验证和优化。

6.根据权利要求5所述的邮件分类模型的构建装置，其特征在于，所述文本语料库、所述URL链接语料库和所述脚本语料库，分别为根据所述文本数据集、所述URL链接数据集和所述脚本数据集构建所得。

7.根据权利要求5所述的邮件分类模型的构建装置，其特征在于，所述分类模型为深度学习模型。

8.根据权利要求5所述的邮件分类模型的构建装置，其特征在于，所述相应的分类模型，包括：

所述文本数据集、所述URL链接数据集、所述脚本数据集、所述图像数据集的分类模型分别为CNN模型、RNN模型、LSTM模型和CNN模型。

9.一种邮件分类模型的构建的终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时实现如权利要求1至4所述的邮件分类模型的构建方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4所述的邮件分类模型的构建方法。