[发明专利]一种被骚扰用户的识别方法及装置

权利要求书

1.一种被骚扰用户的识别方法，其特征在于，所述方法包括：

1)、获取用户通话数据和短信数据，其中，所述用户通话数据包括：通话日期、用户号码、来电号码、来电时间以及通话时长；所述短信数据包括：数据日志、用户号码、来信号码以及来信时间；

2)、对用户通话数据和短信数据进行统计，基于统计数据生成所述用户对应的陌生号码通话特征、陌生号码短信特征、交往圈通话特征、交往圈短信特征；

3)、根据所述用户对应的陌生号码通话特征、陌生号码短信特征、交往圈通话特征、交往圈短信特征以及所述用户是否被骚扰的标签生成训练样本，利用所述训练样本组成的训练集训练目标支持向量机模型；并利用所述目标支持向量机模型识别待识别用户是否属于被骚扰用户。

2.根据权利要求1所述的一种被骚扰用户的识别方法，其特征在于，在步骤3)之前，所述方法还包括：

对所述用户对应的陌生号码通话特征、陌生号码短信特征、交往圈通话特征、交往圈短信特征进行归一化处理；

所述根据所述用户对应的陌生号码通话特征、陌生号码短信特征、交往圈通话特征、交往圈短信特征以及所述用户是否被骚扰的标签生成训练样本的步骤，包括：

根据所述用户对应的归一化后的陌生号码通话特征、陌生号码短信特征、交往圈通话特征、交往圈短信特征以及所述用户是否被骚扰的标签生成训练样本。

3.根据权利要求2所述的一种被骚扰用户的识别方法，其特征在于，所述利用所述训练样本组成的训练集训练目标支持向量机模型，包括：

在每一次迭代中，将训练样本划分为K等份，随机将其中的一份作为测试集，将除测试集之外的K-1份数据作为训练集，其中，所述K大于等于2；

将训练集中的各个样本映射到特征空间内，得到若干个样本点

在约束条件为，y_i(w^Tx_i+b)≥1的条件下，利用公式，

建立当前超平面，其中，

L(w,b,α)为目标函数；w为支持向量的法向参数矩阵；∑为求和函数；n为样本点数量；|| ||²为2范数函数；y_i为第i个样本点；w^T为支持向量的法向参数矩阵的转置；α为拉格朗日乘子；b为支持向量的截距参数矩阵；

利用公式，计算当前超平面对应的支持向量到超平面的距离，其中，

max为求最大值函数；

调节支持向量的法向参数矩阵以及支持向量的截距参数矩阵的值，并继续循环执行以上步骤，得到若干个训练后的支持向量机模型；

得到若干个训练后的支持向量机模型；使用测试集测试训练后的支持向量机模型，并将准确率最高的模型作为目标支持向量机模型。

4.根据权利要求1所述的一种被骚扰用户的识别方法，其特征在于，所述利用所述目标支持向量机模型识别待识别用户是否属于被骚扰用户，包括：

获取待识别用户的陌生号码通话特征、陌生号码短信特征、交往圈通话特征、交往圈短信特征并映射到特征空间中，得到待识别用户对应的样本点；

利用所述目标支持向量机模型对所述样本点进行划分，根据所述样本点被划分的区域判断所述用户是否被骚扰。

5.一种被骚扰用户的识别装置，其特征在于，所述装置包括：

获取模块，用于获取用户通话数据和短信数据，其中，所述用户通话数据包括：通话日期、用户号码、来电号码、来电时间以及通话时长；所述短信数据包括：数据日志、用户号码、来信号码以及来信时间；

生成模块，用于对用户通话数据和短信数据进行统计，基于统计数据生成所述用户对应的陌生号码通话特征、陌生号码短信特征、交往圈通话特征、交往圈短信特征；

识别模块，用于根据所述用户对应的陌生号码通话特征、陌生号码短信特征、交往圈通话特征、交往圈短信特征以及所述用户是否被骚扰的标签生成训练样本，利用所述训练样本组成的训练集训练目标支持向量机模型；并利用所述目标支持向量机模型识别待识别用户是否属于被骚扰用户。