基於內容相同度的提高垃圾簡訊號碼識別準確率的方法
2023-11-05 07:12:57
專利名稱：基於內容相同度的提高垃圾簡訊號碼識別準確率的方法
技術領域：
本發明涉及一種按流量統計簡訊時提高垃圾簡訊號碼識別準確率的方法，尤其涉 及一種基於內容相同度的提高垃圾簡訊號碼識別準確率的方法。
背景技術：
簡訊息服務作為移動通信網絡的一種基本業務，在為用戶提供便捷消息通信服務 的同時，也為信息垃圾的傳播提供了渠道。而垃圾簡訊息有著愈演愈烈的趨勢，垃圾簡訊不 但帶來用戶投訴的不良影響，還存在惡意欠費問題，因此需要對垃圾簡訊進行實時監控攔 截。垃圾簡訊的發送內容特徵有1、字數較多，2、內容重複。根據垃圾簡訊的內容特徵，採用按時間範圍統計號碼發出的簡訊流量的方法，識 別出簡訊時間發送大量簡訊的號碼，並列入垃圾簡訊號碼，限制此號碼發送簡訊是一種有 效的手段。上述方法從垃圾簡訊的內容角度，能夠及時發現垃圾簡訊號碼。但是對於正常號 碼頻繁發送簡訊的情況，如果簡訊發送的頻率比較高，也造成了正常用戶號碼被列入垃圾 簡訊號碼，造成正常號碼簡訊發送不成功。原有簡訊流量計算方式為計算時間段內的主叫號碼發送簡訊的頻度，超出流量閾 值即為垃圾簡訊號碼。請參閱圖1，設定流量閾值為10條/1分鐘，超出此值為垃圾簡訊號碼，號碼 8613988888888 在 08:00:00-08:00:45 的 45 秒內達到了 10 條。號碼 8613988888888 被列 為垃圾簡訊號碼。
發明內容
本發明的目的在於克服現有技術的缺陷，而提供一種基於內容相同度的提高垃圾 簡訊號碼識別準確率的方法，它能夠提高垃圾簡訊識別準確率，當簡訊流量超頻時能夠根 據簡訊的內容分布狀況分析用戶的發送行為，排除正常簡訊號碼，減少垃圾簡訊攔截誤攔率。實現上述目的的技術方案是一種基於內容相同度的提高垃圾簡訊號碼識別準確 率的方法，設定內容相同度的閾值；在設定的時間範圍內，記錄主叫號碼發送的每條簡訊，在每條簡訊屬性中增加短 信內容特徵值；當設定的時間範圍內主叫號碼發送的簡訊數量超出閾值時，計算此主叫號碼發送 簡訊的內容相同度，內容相同度=(簡訊數-不重複簡訊內容數)/簡訊數的百分比；當內容相同度超出設定的內容相同度閾值時，認為此主叫號碼是垃圾簡訊號碼；當內容相同度未達到設定的內容相同度閾值時，則不認為此主叫號碼是垃圾簡訊號碼。上述的基於內容相同度的提高垃圾簡訊號碼識別準確率的方法，其中，它包括以 下步驟首先，記錄每個主叫號碼發送簡訊的時間、內容特徵值，檢查主叫號碼發送的每一 條簡訊是否達到了指定時間段內的流量閾值，根據不同的狀態作相應的處理；若不超過流量閾值，則清除此主叫號碼的過期簡訊，保留指定時間段內的簡訊，記 錄每條簡訊的時間和內容特徵值，並且繼續監測；若超出流量閾值但未達到設定的內容相同度，則清除此主叫號碼的過期簡訊，保 留指定時間段內的簡訊，記錄每條簡訊的時間和內容特徵值，此號碼不作為垃圾簡訊號碼， 並且繼續監測；若超出流量閾值且超出設定的內容相同度，則清除此主叫號碼的過期簡訊，保留 指定時間段內的簡訊，記錄每條簡訊的時間和內容特徵值，列入垃圾簡訊號碼中作為垃圾 簡訊號碼。本發明的有益效果是本發明按流量統計簡訊時提高垃圾簡訊號碼準確率，同傳 統單純按照流量統計的方法不同，超頻後進行二次計算。採用了該方法，流量超頻時，再次 統計內容的相同度，能夠過濾點對點的正常簡訊，避免了錯誤的把正常號碼列入垃圾簡訊 號碼。
圖1是現有技術的無內容特徵值的統計隊列示意圖；圖2是本發明的一實施例的流程圖；圖3是本發明的實施例的有內容特徵值的統計隊列示意圖。
具體實施例方式本發明的一種基於內容相同度的提高垃圾簡訊號碼識別準確率的方法，實現方 法設定內容相同度的閾值；在設定的時間範圍內，記錄主叫號碼發送的每條簡訊，在每條 簡訊屬性中增加簡訊內容特徵值；當設定的時間範圍內主叫號碼發送的簡訊數量超出閾值 時，計算此主叫號碼發送簡訊的內容相同度，內容相同度=(簡訊數-不重複簡訊內容數)/ 簡訊數的百分比；當內容相同度超出設定的內容相同度閾值時，認為此主叫號碼是垃圾短 信號碼；當內容相同度未達到設定的內容相同度閾值時，則不認為此主叫號碼是垃圾簡訊 號碼。該方法包括以下步驟首先，記錄每個主叫號碼發送簡訊的時間、內容特徵值，檢查主叫號碼發送的每一 條簡訊是否達到了指定時間段內的流量閾值，根據不同的狀態作相應的處理；若不超過流量閾值，則清除此主叫號碼的過期簡訊，保留指定時間段內的簡訊，記 錄每條簡訊的時間和內容特徵值，並且繼續監測；若超出流量閾值但未達到設定的內容相同度，則清除此主叫號碼的過期簡訊，保 留指定時間段內的簡訊，記錄每條簡訊的時間和內容特徵值，此號碼不作為垃圾簡訊號碼， 並且繼續監測；
4
若超出流量閾值且超出設定的內容相同度，則清除此主叫號碼的過期簡訊，保留 指定時間段內的簡訊，記錄每條簡訊的時間和內容特徵值，列入垃圾簡訊號碼中作為垃圾 簡訊號碼。下面將結合一實施例對本發明作進一步說明。請參閱圖2，為本發明的一實施例的流程圖，包括以下步驟步驟Si，接收簡訊；步驟S2，存入按主叫號碼的簡訊隊列；步驟S3，判斷該主叫號碼是否超出流量閾值，若是，則進入步驟S4;若不是，則返回步驟Si;步驟S4，判斷該主叫號碼的內容相同度是否超出閾值；若是，則進入步驟S5;若不是，則返回步驟Si;步驟S5，確認，即確認為垃圾簡訊號碼。請參閱圖3，本發明的實施例的有內容特徵值的統計隊列示意圖，它在原有統計方 式上設定內容相同度合適的數值(如80% )，增加內容特徵值欄位，計算簡訊內容的相同 度，超出此數值判定為垃圾簡訊號碼。附圖3中主叫號碼發送的簡訊中不重複內容特徵值數為9個，簡訊數為10條，內 容相同度=(簡訊數-不重複簡訊內容數)/簡訊數的百分比=(10-9)/10 = 10%。所以， 此主叫號碼雖然超出流量閾值，但不作為垃圾簡訊號碼。採用內容相同度過濾增加了垃圾 簡訊號碼的準確率。綜上所述，本發明對時間段內簡訊發送超出流量閾值後，進而對於簡訊內容的分 布情況進行統計，根據監控時段內計算號碼發送簡訊的內容相同度，對超出設定閾值的號 碼，列入垃圾簡訊號碼；在監控時段時，號碼發送超頻時，再計算簡訊內容的相同度進而提 高準確率。具體地說，當號碼在規定的時間範圍內發送的簡訊數超出事先設定的閾值時，通 過計算簡訊內容的的相同度，過濾掉正常的簡訊號碼，識別出垃圾簡訊號碼，提高垃圾簡訊 號碼識別準確率。本發明可應用於簡訊優化系統，採用了這種方法，證明可行有效，減少了垃圾簡訊 的誤攔率，提高了垃圾簡訊識別的命中度。以上結合附圖實施例對本發明進行了詳細說明，本領域中普通技術人員可根據上 述說明對本發明做出種種變化例。因而，實施例中的某些細節不應構成對本發明的限定，本 發明將以所附權利要求書界定的範圍作為本發明的保護範圍。
權利要求
1.一種基於內容相同度的提高垃圾簡訊號碼識別準確率的方法，其特徵在於， 設定內容相同度的閾值；在設定的時間範圍內，記錄主叫號碼發送的每條簡訊，在每條簡訊屬性中增加簡訊內 容特徵值；當設定的時間範圍內主叫號碼發送的簡訊數量超出閾值時，計算此主叫號碼發送簡訊 的內容相同度，內容相同度=(簡訊數-不重複簡訊內容數)/簡訊數的百分比； 當內容相同度超出設定的內容相同度閾值時，認為此主叫號碼是垃圾簡訊號碼； 當內容相同度未達到設定的內容相同度閾值時，則不認為此主叫號碼是垃圾簡訊號碼。
2.根據權利要求1所述的基於內容相同度的提高垃圾簡訊號碼識別準確率的方法，其 特徵在於，它包括以下步驟首先，記錄每個主叫號碼發送簡訊的時間、內容特徵值，檢查主叫號碼發送的每一條短 信是否達到了指定時間段內的流量閾值，根據不同的狀態作相應的處理；若不超過流量閾值，則清除此主叫號碼的過期簡訊，保留指定時間段內的簡訊，記錄每 條簡訊的時間和內容特徵值，並且繼續監測；若超出流量閾值但未達到設定的內容相同度，則清除此主叫號碼的過期簡訊，保留指 定時間段內的簡訊，記錄每條簡訊的時間和內容特徵值，此號碼不作為垃圾簡訊號碼，並且 繼續監測；若超出流量閾值且超出設定的內容相同度，則清除此主叫號碼的過期簡訊，保留指定 時間段內的簡訊，記錄每條簡訊的時間和內容特徵值，列入垃圾簡訊號碼中作為垃圾簡訊 號碼。
全文摘要
本發明公開了一種基於內容相同度的提高垃圾簡訊號碼識別準確率的方法，它包括設定內容相同度的閾值；在設定的時間範圍內，記錄主叫號碼發送的每條簡訊，在每條簡訊屬性中增加簡訊內容特徵值；當設定的時間範圍內主叫號碼發送的簡訊數量超出閾值時，計算此主叫號碼發送簡訊的內容相同度；當內容相同度超出設定的內容相同度閾值時，認為此主叫號碼是垃圾簡訊號碼；當內容相同度未達到設定的內容相同度閾值時，則不認為此主叫號碼是垃圾簡訊號碼。本發明能夠提高垃圾簡訊識別準確率，當簡訊流量超頻時能夠根據簡訊的內容分布狀況分析用戶的發送行為，排除正常簡訊號碼，減少垃圾簡訊攔截誤攔率。
文檔編號H04W4/14GK102111731SQ200910200650
公開日2011年6月29日 申請日期2009年12月24日 優先權日2009年12月24日
發明者周勁, 肖克華 申請人:上海粱江通信系統股份有限公司