[发明专利]基于行为结构和语义内容联合分析的邮件分类方法及装置

权利要求书

1.一种基于行为结构和语义内容联合分析的邮件分类方法，其特征在于，包括：

提取电子邮件的行为结构信息和文本内容信息；其中，所述行为结构信息包括邮件大小、邮件附件大小、邮件附件图片数量、邮件附件图片大小、发件人ip单位时间内发件次数、邮件域名信誉度；

通过特征向量计算方式对所述行为结构信息进行编码，得到电子邮件的行为结构特征，电子邮件行为结构特征具体包括：RuleVector[size]、RuleVector[fngref]、RuleVector[attref]、RuleVector[gifx]、RuleVector[gify]、RuleVector[gifcnt]、RuleVector[Sender_size_diff]、RuleVector[url_size_diff]、RuleVector[domail_today_cn]，

其中，RuleVector表示邮件的行为结构特征，每一维代表一个特征，size代表邮件大小，fngref代表邮件指纹出现次数，attref代表附件个数，gifx代表图像长度，gify代表图像宽度，gifcnt代表图像次数，Sender_size_diff代表发件人发信尺寸与平均发信尺寸之间的差异，url_size_diff代表邮件url尺寸与平均url尺寸之间的差异，domail_today_cn代表该域名当天发信数量；

同时，采用预先训练好的fasttext模型对所述文本内容信息进行编码，得到电子邮件的文本语义特征，具体为，将提取到的所述文本内容信息进行预处理，以将所述文本内容信息的格式转为符合所述fasttext模型处理的输入格式，采用所述fasttext模型计算所述文本内容信息中每个分词的特征向量，并对所有计算得到的特征向量进行平均运算，得到所述文本语义特征，表达式如下：

WordVector＝ft(Text)；

其中，Text代表邮件的文本内容，ft代表预训练的fasttext模型，WordVector代表邮件文本分词词向量，n是词向量的个数，TextVector代表邮件文本最终特征；

分别对所述行为结构特征和所述文本语义特征进行归一化处理，并将归一化处理后的行为结构特征和文本语义特征进行特征融合，得到电子邮件融合特征；

利用所述电子邮件融合特征对分类器进行训练，所述分类器为SVM分类器；

采用训练好的分类器对待测电子邮件进行分类，以获取所述待测电子邮件的类别。