專利名稱：一種移動終端及其短信的過濾方法
技術(shù)領(lǐng)域：
本發(fā)明涉及移動通訊領(lǐng)域，特別是指一種移動終端及其短信的過濾方法。
背景技術(shù)：
近幾年來，由于移動通信技術(shù)的快速發(fā)展，短信作為移動通信最流行的增值服務(wù) 之一，在為人們提供便捷的同時(shí)，也滋生了大量以傳播色情、欺詐、廣告等不良信息為目的 的垃圾短信。這些短信嚴(yán)重干擾了人們的生活，侵犯了消費(fèi)者利益。垃圾短信的監(jiān)管問題 受到社會各界的廣泛重視，除了從立法層面加強(qiáng)對信息發(fā)布進(jìn)行監(jiān)管外，更重要的是從技 術(shù)層面探索對垃圾短信的防范技術(shù)?，F(xiàn)有技術(shù)中，垃圾短信的過濾可以分為兩種一是基于短信服務(wù)中心的過濾方式； 一是基于用戶移動終端的過濾方式。傳統(tǒng)的短信文本過濾技術(shù)主要還是停留在關(guān)鍵詞階段，無法通過研究文本的內(nèi)容 特征進(jìn)行分類，從而達(dá)到識別垃圾短信的效果，因此傳統(tǒng)的過濾技術(shù)效果不是很理想。下面簡單說明一下現(xiàn)有技術(shù)中基于用戶移動終端的過濾方式一、基于關(guān)鍵詞方案—種短消息過濾方法，用戶在移動終端上設(shè)置過濾敏感詞；移動終端接收到短消息 中心發(fā)送的消息并保存在內(nèi)存中；移動終端根據(jù)敏感詞對短消息內(nèi)容進(jìn)行字符串匹配，如果 有敏感詞出現(xiàn)在短消息內(nèi)容中，則丟棄該消息，并向短消息中心發(fā)送成功接收消息；如果在 短消息內(nèi)容中沒有發(fā)現(xiàn)敏感詞，保存該消息。該方案雖然可以有效過濾用戶不想看到的短消 息，防止被干擾；但是，基于關(guān)鍵詞的過濾方法顯得過于簡單，效果也不是很好。該方案不具 備靈活性，對于紛繁蕪雜的垃圾短信應(yīng)對能力有限，經(jīng)常也會對正常短信造成“誤傷”。二、基于黑白名單的方案因?yàn)樵诿坎恳苿咏K端上都有電話簿，而移動終端電話簿內(nèi)的聯(lián)系電話可以直接視 為短信過濾中的白名單，這樣就可以確保凡是正常的聯(lián)系人短信不會被文本分類錯誤地過 濾掉。而移動終端上一般沒有黑名單列表，因此這需要專門在移動終端上建立黑名單列表， 并對黑名單列表進(jìn)行維護(hù)。在建立了黑名單列表后，當(dāng)一條新的短消息被接收后，首先從短 消息中獲取短信發(fā)送方的號碼，查詢電話薄中是否有該號碼，如果有該號碼就直接把短信 作為正常短信接收到收件箱；如果沒有該號碼，查詢該電話號碼是否在于黑名單列表中，如 果是，就直接把短信作為垃圾短信放入垃圾箱中，從而實(shí)現(xiàn)短信的初級過濾。該方案具有初 步的過濾能力，但對于既不是來源于黑名單也不是來源于通訊錄的短信則無能為力。雖然 這部分短信數(shù)量不多，但恰恰這部分短信容易給用戶造成困擾和損失。對短信進(jìn)行必要的內(nèi)容過濾是營造健康移動終端環(huán)境的重要環(huán)節(jié)，但綜上所述， 國內(nèi)、外尚缺少高效、智能的短信內(nèi)容過濾產(chǎn)品。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一種移動終端及其短信的過濾方法，以解決傳統(tǒng)的短信過濾技術(shù)效果不是很理想的問題。為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的本發(fā)明提供了一種短信過濾方法，該方法包括獲取接收的短信的短信樣本向量；依據(jù)所述短信樣本向量對接收的短信的類型進(jìn)行支持向量機(jī)(SVM)識別；所述識別結(jié)果為垃圾短信時(shí)，對發(fā)送所述垃圾短信的移動終端號碼進(jìn)行通訊錄匹 配；若所述號碼屬于所述通訊錄，則接收所述垃圾短信；否則，不接收所述垃圾短信；所述識別結(jié)果為正常短信時(shí)，對發(fā)送所述正常短信的移動終端號碼進(jìn)行黑名單匹 配；若所述號碼屬于所述黑名單，則不接收所述正常短信；否則，接收所述正常短信。獲取接收的短信的短信樣本向量，具體為根據(jù)預(yù)定義的特征詞庫，將接收的短信文本中的非特征詞剔除；以所述特征詞庫為依據(jù)，采用機(jī)械分詞方法中的正向最大匹配法對剔除非特征詞 后的短信文本進(jìn)行分詞處理；對分詞后的短信文本進(jìn)行向量化和數(shù)字化，得到所述短信樣本向量T<xl，χ2, χ3，. . . χΝ>，其中，2彡N彡特征詞個數(shù)。對分詞后的短信文本進(jìn)行向量化和數(shù)字化，具體為采用特征提取算法對所述短信文本進(jìn)行向量化；根據(jù)預(yù)定義的字符庫，將所述短信文本中的特征詞轉(zhuǎn)化為對應(yīng)的字符xN。采用特征提取算法對所述短信文本進(jìn)行向量化，具體為采用期望交叉熵法對對所述短信文本進(jìn)行向量化。對接收的短信進(jìn)行SVM識別，具體為將所述短信樣本向量T<xl，x2，χ3，...χΝ>作為輸入向量帶入分類函數(shù)
*,將計(jì)算結(jié)果記為分量y ；所述y = -ι，表示接收的短 /=1
信為垃圾短信；y = 1，表示接收的短信為正常短信；其中，Xi是支持向量的輸入向量，1 ^ i ^n, η為支持向量庫中支持向量的個數(shù)； Yi是支持向量的輸出向量，指示Xi對應(yīng)的短信的分類，yi = 1、或yi = -1 ；X為所述短信樣 本向量T
； α i是SVM算法中每一個支持向量的Lagrange乘子，由算法自
動生成Y 二少y為支持向量庫中選取的任意一個支持向量的輸入向量，
Yj為輸出向量，指示Xj對應(yīng)的短信的分類，Yj = 1、或7」=-1。 所述 對接收的短信進(jìn)行SVM識別后，該方法還包括將所述短信樣本向量T<xl，χ2, χ3,... χΝ>作為輸入向量，將所述分量y作為輸出 向量，得到一組支持向量，并存入所述支持向量庫中。對接收的短信進(jìn)行SVM識別，具體為
對獲取的所述短信樣本向量進(jìn)行支持向量庫匹配，若所述短信樣本向量與支持向 量庫中某一組支持向量的輸入向量匹配，則將所述輸入向量對應(yīng)的輸出向量指示的分類作 為所述短信的分類；否則將所述短信樣本向量帶入所述分類函數(shù)。所述號碼屬于所述通訊錄時(shí)，該方法還包括判定所述短信的分類錯誤，更新所述 支持向量庫；所述號碼不屬于所述通訊錄時(shí)，該方法還包括判定所述短信的分類正確，將發(fā)送 所述垃圾短信的移動終端號碼添加到所述黑名單。所述號碼屬于所述黑名單時(shí)，該方法還包括判定所述短信的分類錯誤，更新所述 支持向量庫。本發(fā)明還提供了一種移動終端，包括向量獲取模塊、SVM識別模塊、和過濾模塊， 其中所述向量獲取模塊，用于獲取接收的短信的短信樣本向量；所述SVM識別模塊，依據(jù)所述短信樣本向量對接收的短信的類型進(jìn)行SVM識別；所述過濾模塊，用于在所述SVM識別模塊的識別結(jié)果為垃圾短信時(shí)，對發(fā)送所述 垃圾短信的移動終端號碼進(jìn)行通訊錄匹配；若所述號碼屬于所述通訊錄，則接收所述垃圾 短信；否則，不接收所述垃圾短信；還用于在所述識別結(jié)果為正常短信時(shí)，對發(fā)送所述正常 短信的移動終端號碼進(jìn)行黑名單匹配；若所述號碼屬于所述黑名單，則不接收所述正常短 信；否則，接收所述正常短信。所述向量獲取模塊包括文本預(yù)處理子模塊，用于根據(jù)預(yù)定義的特征詞庫，將接收的短信文本中的非特征 詞剔除；文本分詞子模塊，用于以所述特征詞庫為依據(jù)，采用機(jī)械分詞方法中的正向最大 匹配法對剔除非特征詞后的短信文本進(jìn)行分詞處理；文本向量化子模塊，用于對分詞后的短信文本進(jìn)行向量化和數(shù)字化，得到所述短 信樣本向量T<xl, x2, x3,... xN>，其中，2 ( N彡特征詞個數(shù)。所述SVM識別模塊，還用于將所述短信樣本向量T<xl，x2, x3, . . . xN>作為輸入
η
向量帶入分類函數(shù)/O) =,將計(jì)算結(jié)果記為分量1 ；所述1
i=\
=-1，表示接收的短信為垃圾短信；y = 1，表示接收的短信為正常短信；其中，Xi是支持向量的輸入向量，1 ^ i ^n, η為支持向量庫中支持向量的個數(shù)； Yi是支持向量的輸出向量，指示Xi對應(yīng)的短信的分類，yi = 1、或yi = -1 ；X為所述短信樣 本向量T<x 1，χ2，χ3，. . . χΝ> ； α i是SVM算法中每一個支持向量的Lagrange乘子，由算法自
動生成；f =力為支持向量庫中選取的任意一個支持向量的輸入向量，
Yj為輸出向量，指示Xj對應(yīng)的短信的分類，Yj = 1、或yj = -1 ；所述SVM識別模塊，還用于將所述短信樣本向量T<xl，χ2, χ3, . . . χΝ>作為輸入向 量，將所述分量y作為輸出向量，得到一組支持向量，并存入所述支持向量庫中。所述SVM識別模塊，還用于對獲取的所述短信樣本向量進(jìn)行支持向量庫匹配，若 所述短信樣本向量與支持向量庫中某一組支持向量的輸入向量匹配，則將所述輸入向量對
7應(yīng)的輸出向量指示的分類作為所述短信的分類；否則將所述短信樣本向量帶入所述分類函數(shù)。所述過濾模塊，還用于在所述號碼屬于所述黑名單時(shí)，判定所述短信的分類錯誤， 并通知所述SVM識別模塊更新所述支持向量庫；還用于在所述號碼屬于所述通訊錄時(shí)，判 定所述短信的分類錯誤，并通知所述SVM識別模塊更新所述支持向量庫；還用于在所述號 碼不屬于所述通訊錄時(shí)，判定所述短信的分類正確，將發(fā)送所述垃圾短信的移動終端號碼 添加到所述黑名單。本發(fā)明的短信的過濾方案，通過采用支持向量機(jī)算法對短信進(jìn)行分類，同時(shí)，還具 有自反饋功能，基于已分類的短信進(jìn)行簡單的通訊錄或黑名單匹配，對分類錯誤的短信進(jìn) 行反饋學(xué)習(xí)、更新支持向量庫；如此，使得支持向量庫不斷完善、過濾能力不斷地自行調(diào)整、 并增強(qiáng)；由于支持向量機(jī)算法、以及通訊錄或黑名單匹配的結(jié)合使用，使得本發(fā)明的方案可 以針對格式各樣的短信，特別地，對于那些來源即不屬于黑名單、也不屬于通訊錄的短信進(jìn) 行了過濾。


圖1為本發(fā)明短信過濾的方法流程示意圖；圖2為本發(fā)明實(shí)現(xiàn)短信過濾的移動終端結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施例對本發(fā)明的技術(shù)方案進(jìn)一步詳細(xì)闡述。本發(fā)明的核心思想是采用支持向量機(jī)算法對短信進(jìn)行分類、以及簡單的通訊錄 或黑名單匹配查詢功能來實(shí)現(xiàn)移動終端短信的過濾。如圖1所示，本發(fā)明短信過濾的流程包括首先要獲取短信樣本向量，如步驟101 103 步驟101，對接收到的短信進(jìn)行預(yù)處理，將短信文本中的非特征詞剔除。具體的，可 以預(yù)先定制一個特征詞庫，根據(jù)該特征詞庫，將短信內(nèi)容中不屬于該特征詞庫的非特征詞 剔除，例如標(biāo)點(diǎn)符號等，這些內(nèi)容對于文本分類的意義有限，盡早剔除對于優(yōu)化后續(xù)步驟大
有裨益。例如一條短信明天三橋廣場華聯(lián)超市做優(yōu)惠活動，歡迎屆時(shí)光臨。經(jīng)過剔詞，得 到廣場華聯(lián)超市優(yōu)惠活動歡迎屆時(shí)光臨。步驟102，以特征詞庫為依據(jù)，采用機(jī)械分詞方法中的正向最大匹配法對剔除非特 征詞后的短信文本進(jìn)行分詞處理。承接上述例子，對剔詞得到的短信文本進(jìn)行分詞，得到 廣場/華聯(lián)超市/優(yōu)惠/活動/歡迎/屆時(shí)/光臨。步驟103，對分詞后的短信文本進(jìn)行向量化和數(shù)字化。承接上述例子，分詞后的短信文本廣場/華聯(lián)超市/優(yōu)惠/活動/歡迎/屆時(shí)/ 光臨中特征詞過多，向量化后維數(shù)過大，由SVM理論可知，這不利于SVM算法的高效執(zhí)行。為 了解決該問題，本發(fā)明采用特征提取算法對短信文本進(jìn)行向量化，現(xiàn)有的特征提取算法有 互信息、信息增益、文檔頻度、和期望交叉熵等，經(jīng)過實(shí)踐證明，期望交叉熵法效果最優(yōu)；當(dāng) 然，其他幾種方法也可以采用，只是效果較期望交叉熵法稍差。
采用期望交叉熵法對剔詞、分詞后的短信文本進(jìn)行向量化后的形式為T<xl, x2, x3, ... xN>、即短信樣本向量，其中，2彡N彡特征詞個數(shù)，經(jīng)過期望交叉 熵法對短信進(jìn)行向量化時(shí)，可以得到一個最優(yōu)的N的取值。xN為特征詞的數(shù)字化結(jié)果，對特 征詞進(jìn)行數(shù)字化時(shí)，如根據(jù)預(yù)先定義的字符庫，將特征詞轉(zhuǎn)化為對應(yīng)的字符；當(dāng)然，也可以 采用現(xiàn)有技術(shù)中其他的數(shù)據(jù)化方法，只要能對特征詞進(jìn)行數(shù)字化即可。步驟104，依據(jù)短信樣本向量對短信進(jìn)行SVM識別。短信經(jīng)過向量化和數(shù)字化后，得到一個短信樣本向量T<xl，χ2, χ3, . . . χΝ> (最優(yōu) 的)，經(jīng)過SVM識別后，得到與T對應(yīng)的該短信的分類y，y = -1，表示垃圾短信；y = 1，表示 正常短信。將短信樣本向量T作為輸入向量，將分量y作為輸出向量，由此得到一組支持向 量，記為S= (T，y)，多組支持向量組成了一個支持向量庫，記為Si = (xi; Yi) ；1 ^ i ^n, η為支持向量庫中支持向量的個數(shù)；則Xi表示支持向量的輸入向量T，yi為支持向量的輸出 向量，指示Xi對應(yīng)的短信的分類，Yi = 1、或71 = -1。在實(shí)際應(yīng)用時(shí)，移動終端中會預(yù)先保存一個支持向量庫，作為對新接收的短信進(jìn) 行SVM識別的根據(jù)；當(dāng)然，理論上移動終端也可以不預(yù)先存儲支持向量(此時(shí)移動終端在接 收到短信時(shí)就無法進(jìn)行SVM識別)，而是在接收到了若干條短信之后，對這些短信進(jìn)行SVM 訓(xùn)練，從而得到一個支持向量庫，這樣，后續(xù)接收的短信就可以進(jìn)行SVM識別。根據(jù)支持向量庫Si = (xi; yi)，對短信進(jìn)行SVM識別時(shí)，有兩種方式方式一將短信樣本向量T<xl，χ2, χ3, ... χΝ>作為輸入向量帶入下列分類函數(shù)， 對該短信進(jìn)行分類分類函數(shù)為 其中，Xi是支持向量的輸入向量
η為支持向量庫中支持向量的個數(shù)； Yi是支持向量的輸出向量，指示Xi對應(yīng)的短信的分類，Yi = 1、或Yi = -1 ；X為所述短信樣 本向量T<x 1，χ2，χ3，. . . χΝ> ； α i是SVM算法中每一個支持向量的Lagrange乘子，由算法自
動生成=Jy+— g乃A0^), ~為支持向量庫中選取的任意一個支持向量的輸入向量，
Yj為輸出向量，指示Xj對應(yīng)的短信的分類，Yj = 1、或yj = -1。將通過分類函數(shù)得到的計(jì)算結(jié)果記為分量y，y = -1，表示垃圾短信；y = 1，表示 正常短信。由此便得到了一組新的支持向量，存入支持向量庫中，使支持向量庫處于不斷地 更新中。該公式為SVM算法線性不可分情況下的分類函數(shù)；K(*)為核函數(shù)，起到維數(shù)轉(zhuǎn)化 的作用，從而使線性不可分情況下的問題在更高維的空間里可分。為了適應(yīng)上述SVM算法線性不可分情況下的分類函數(shù)
進(jìn)一步地，本發(fā)明還可以把短信樣本向量T映射到一 i=\
個高維特征空間H，并在此空間中運(yùn)用原空間的分類函數(shù)來實(shí)現(xiàn)內(nèi)積運(yùn)算，這樣將非線性問 題轉(zhuǎn)換成另一空間的線性問題來獲得一個樣本的歸屬。根據(jù)泛函的有關(guān)理論，只要一種核 函數(shù)滿足Mercer條件，它就對應(yīng)某一空間中的內(nèi)積，因此只要采用適當(dāng)?shù)膬?nèi)積函數(shù)就可以實(shí)現(xiàn)這種線性不可分的分類問題。本發(fā)明中的核函數(shù)K(*)為混合核函數(shù)，也稱作高斯核函數(shù)(徑向基函數(shù)(RBF)) 和多項(xiàng)式核函數(shù)的結(jié)合，其中
—Ilx — X 2高斯核函數(shù)次(x,x;)= expl--^-}σ .
2σ多項(xiàng)式核函數(shù)=Kpoly= ((X*Xi) +1) \則混合核函數(shù)為=Kmix= λ Kpoly+(I-X)Krbf，其中:q = 2，λ =0.5, σ =0. 3。方式二 對短信樣本向量T<xl，χ2, χ3, ... χΝ>進(jìn)行支持向量庫匹配，如果當(dāng)前的 短信樣本向量T<xl，χ2, χ3, ... χΝ>與支持向量庫Si = (xi; Yi)中某一組支持向量的輸入 向量匹配、即一致，則該組支持向量中YiW值就指示了當(dāng)前短信的類型；否則采用方式一進(jìn) 行SVM識別。步驟105，如果進(jìn)行SVM識別的結(jié)果為y = 1，則表示當(dāng)前短信為正常短信。抽取該 短信的移動終端號碼，進(jìn)行黑名單匹配；若屬于黑名單，則為錯分短信，然后進(jìn)行反饋學(xué)習(xí)、 即更新支持向量庫，移動終端不接收該短信；若不屬于黑名單，則正常接收之，此時(shí)，是否將 該號碼添加入通訊錄有用戶決定。步驟106，如果進(jìn)行SVM識別的結(jié)果為y = _1，則表示當(dāng)前短信為垃圾短信。抽取 該短信的移動終端號碼，進(jìn)行通訊錄匹配；若屬于通訊錄，則為錯分短信，然后進(jìn)行反饋學(xué) 習(xí)、更新支持向量庫，移動終端接收該短信；若不屬于通訊錄，則拋棄該短信，并將其移動終 端號碼添加到黑名單。通過上述方法可知，本發(fā)明通過對已分類的短信進(jìn)行簡單的通訊錄或黑名單匹配 來確認(rèn)分類是否正確，并基于分類錯誤的短信進(jìn)行反饋學(xué)習(xí)、即更新支持向量庫，由此使得 支持向量庫不斷完善、過濾功能不斷地自行調(diào)整、并增強(qiáng)；同時(shí)，對于那些來源即不屬于黑 名單、也不屬于通訊錄的短信進(jìn)行了過濾。為了實(shí)現(xiàn)上述方法，本發(fā)明提供了一種移動終端，如圖2所示包括向量獲取模 塊、SVM識別模塊、和過濾模塊，其中向量獲取模塊，用于獲取接收的短信的短信樣本向量；SVM識別模塊，依據(jù)短信樣本向量對接收的短信的類型進(jìn)行SVM識別；過濾模塊，用于在SVM識別模塊的識別結(jié)果為垃圾短信時(shí)，對發(fā)送垃圾短信的移 動終端號碼進(jìn)行通訊錄匹配；若號碼屬于通訊錄，則接收垃圾短信；否則，不接收垃圾短 信；還用于在識別結(jié)果為正常短信時(shí)，對發(fā)送正常短信的移動終端號碼進(jìn)行黑名單匹配； 若號碼屬于黑名單，則不接收正常短信；否則，接收正常短信。向量獲取模塊包括文本預(yù)處理子模塊，用于根據(jù)預(yù)定義的特征詞庫，將接收的短信文本中的非特征 詞剔除；文本分詞子模塊，用于以特征詞庫為依據(jù)，采用機(jī)械分詞方法中的正向最大匹配 法對剔除非特征詞后的短信文本進(jìn)行分詞處理；文本向量化子模塊，用于對分詞后的短信文本進(jìn)行向量化和數(shù)字化，得到短信樣 本向量T<xl, χ2, χ3，· · · xN>，其中，2 ( N彡特征詞個數(shù)。SVM識別模塊，還用于將短信樣本向量T<xl，χ2, χ3, . . . χΝ>作為輸入向量帶入分
10類函數(shù)/0) = Σ};^ Κηι χ(Χ^Χ )+Κ ,將計(jì)算結(jié)果記為分量y ；y = -1，表示接收的 /=1
短信為垃圾短信；y = 1，表示接收的短信為正常短信；其中，Xi是支持向量的輸入向量，1 ^ i ^n, η為支持向量庫中支持向量的個數(shù)； Yi是支持向量的輸出向量，指示Xi對應(yīng)的短信的分類，yi = 1、或yi = -1 ；X為所述短信樣 本向量T<x 1，χ2，χ3，. . . χΝ> ； α i是SVM算法中每一個支持向量的Lagrange乘子，由算法自
動生成=yj-tyicci{XiXjyxi為支持向量庫中選取的任意一個支持向量的輸入向量，
Yj為輸出向量，指示Xj對應(yīng)的短信的分類，Yj = 1、或7」=-1。SVM識別模塊，還用于將短信樣本向量T<xl，x2，x3，. . . χΝ>作為輸入向量，將所述 分量y作為輸出向量，得到一組支持向量，并存入所述支持向量庫中。SVM識別模塊，還用于對獲取的短信樣本向量進(jìn)行支持向量庫匹配，若支持向量庫 中存在與獲取的短信樣本向量匹配的短信樣本向量，則使用匹配的短信樣本向量對應(yīng)的y 值標(biāo)記接收的短信的類型；否則，將獲取的短信樣本向量帶入分類函數(shù)。過濾模塊，還用于在號碼屬于黑名單時(shí)，判定短信的分類錯誤，并通知SVM識別模 塊更新支持向量庫；還用于在號碼屬于通訊錄時(shí)，判定短信的分類錯誤，并通知SVM識別模 塊更新支持向量庫；還用于在號碼不屬于通訊錄時(shí)，判定短信的分類正確，將發(fā)送垃圾短信 的移動終端號碼添加到黑名單。以上所述，僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。
權(quán)利要求
一種短信過濾方法，其特征在于，該方法包括獲取接收的短信的短信樣本向量；依據(jù)所述短信樣本向量對接收的短信的類型進(jìn)行支持向量機(jī)(SVM)識別；所述識別結(jié)果為垃圾短信時(shí)，對發(fā)送所述垃圾短信的移動終端號碼進(jìn)行通訊錄匹配；若所述號碼屬于所述通訊錄，則接收所述垃圾短信；否則，不接收所述垃圾短信；所述識別結(jié)果為正常短信時(shí)，對發(fā)送所述正常短信的移動終端號碼進(jìn)行黑名單匹配；若所述號碼屬于所述黑名單，則不接收所述正常短信；否則，接收所述正常短信。
2.根據(jù)權(quán)利要求1所述短信過濾方法，其特征在于，獲取接收的短信的短信樣本向量， 具體為根據(jù)預(yù)定義的特征詞庫，將接收的短信文本中的非特征詞剔除； 以所述特征詞庫為依據(jù)，采用機(jī)械分詞方法中的正向最大匹配法對剔除非特征詞后的 短信文本進(jìn)行分詞處理；對分詞后的短信文本進(jìn)行向量化和數(shù)字化，得到所述短信樣本向量T<xl，χ2, χ3，. . . χΝ>，其中，2 ^ N彡特征詞個數(shù)。
3.根據(jù)權(quán)利要求2所述短信過濾方法，其特征在于，對分詞后的短信文本進(jìn)行向量化 和數(shù)字化，具體為采用特征提取算法對所述短信文本進(jìn)行向量化；根據(jù)預(yù)定義的字符庫，將所述短信文本中的特征詞轉(zhuǎn)化為對應(yīng)的字符xN。
4.根據(jù)權(quán)利要求2所述短信過濾方法，其特征在于，采用特征提取算法對所述短信文 本進(jìn)行向量化，具體為采用期望交叉熵法對對所述短信文本進(jìn)行向量化。
5.根據(jù)權(quán)利要求1所述短信過濾方法，其特征在于，對接收的短信進(jìn)行SVM識別，具體為將所述短信樣本向量T<xl，χ2，χ3，. . . χΝ>作為輸入向量帶入分類函數(shù) ,將計(jì)算結(jié)果記為分量y ；所述y = -1，表示接收的短信為垃圾短信；y = 1，表示接收的短信為正常短信；其中，Xi是支持向量的輸入向量，1 ^ i ^η,η為支持向量庫中支持向量的個數(shù)；yi是 支持向量的輸出向量，指示Xi對應(yīng)的短信的分類，Ii = 1、或71 = -1 ；χ為所述短信樣本向 量T<x 1，x2，x3，. . . xN> ； α i是SVM算法中每一個支持向量的Lagrange乘子，由算法自動生 Xi為支持向量庫中選取的任意一個支持向量的輸入向量，Yj為輸出向量，指示Xj對應(yīng)的短信的分類，Yj = 1、或yj = -1。
6.根據(jù)權(quán)利要求5所述短信過濾方法，其特征在于， 所述 Kmix= λ Kpoly+(I-A)Krbf ； 所述尺財(cái)(χ, X,) = exp{- 11 o ； 1 }σ ；
7.根據(jù)權(quán)利要求5或6所述短信過濾方法，其特征在于，對接收的短信進(jìn)行SVM識別 后，該方法還包括將所述短信樣本向量T<xl，x2，x3，. . . xN>作為輸入向量，將所述分量y作為輸出向量， 得到一組支持向量，并存入所述支持向量庫中。
8.根據(jù)權(quán)利要求7所述短信過濾方法，其特征在于，對接收的短信進(jìn)行SVM識別，具體為對獲取的所述短信樣本向量進(jìn)行支持向量庫匹配，若所述短信樣本向量與支持向量庫 中某一組支持向量的輸入向量匹配，則將所述輸入向量對應(yīng)的輸出向量指示的分類作為所 述短信的分類；否則將所述短信樣本向量帶入所述分類函數(shù)。
9.根據(jù)權(quán)利要求8所述短信過濾方法，其特征在于，所述號碼屬于所述通訊錄時(shí)，該方法還包括判定所述短信的分類錯誤，更新所述支持向量庫；所述號碼不屬于所述通訊錄時(shí)，該方法還包括判定所述短信的分類正確，將發(fā)送所述 垃圾短信的移動終端號碼添加到所述黑名單。
10.根據(jù)權(quán)利要求8所述短信過濾方法，其特征在于，所述號碼屬于所述黑名單時(shí)，該方法還包括判定所述短信的分類錯誤，更新所述支持向量庫。
11.一種移動終端，其特征在于，包括向量獲取模塊、SVM識別模塊、和過濾模塊，其中所述向量獲取模塊，用于獲取接收的短信的短信樣本向量； 所述SVM識別模塊，依據(jù)所述短信樣本向量對接收的短信的類型進(jìn)行SVM識別； 所述過濾模塊，用于在所述SVM識別模塊的識別結(jié)果為垃圾短信時(shí)，對發(fā)送所述垃圾 短信的移動終端號碼進(jìn)行通訊錄匹配；若所述號碼屬于所述通訊錄，則接收所述垃圾短信； 否則，不接收所述垃圾短信；還用于在所述識別結(jié)果為正常短信時(shí)，對發(fā)送所述正常短信的 移動終端號碼進(jìn)行黑名單匹配；若所述號碼屬于所述黑名單，則不接收所述正常短信；否 則，接收所述正常短信。
12.根據(jù)權(quán)利要求11所述移動終端，其特征在于，所述向量獲取模塊包括文本預(yù)處理子模塊，用于根據(jù)預(yù)定義的特征詞庫，將接收的短信文本中的非特征詞剔除；文本分詞子模塊，用于以所述特征詞庫為依據(jù)，采用機(jī)械分詞方法中的正向最大匹配 法對剔除非特征詞后的短信文本進(jìn)行分詞處理；文本向量化子模塊，用于對分詞后的短信文本進(jìn)行向量化和數(shù)字化，得到所述短信樣 本向量T<xl, χ2, χ3，· · · xN>，其中，2 ( N彡特征詞個數(shù)。
13.根據(jù)權(quán)利要求11或12所述移動終端，其特征在于，所述SVM識別模塊，還用于將所述短信樣本向量T<xl，χ2, χ3,... χΝ>作為輸入向量帶η入分類函數(shù)/O) = Z^qUx* + Κ ,將計(jì)算結(jié)果記為分量y ；所述y = -l，表/=1示接收的短信為垃圾短信；y = 1，表示接收的短信為正常短信；其中，Xi是支持向量的輸入向量，1 ^ i ^η,η為支持向量庫中支持向量的個數(shù)；yi是3支持向量的輸出向量，指示Xi對應(yīng)的短信的分類，Yi = 1、或71 = "I ；X為所述短信樣本向 量T<x 1，x2，x3，. . . xN> ； α i是SVM算法中每一個支持向量的Lagrange乘子，由算法自動生 成；b*=yj一nΣi=1yiαi(xixj)，xj為支持向量庫中選取的任意一個支持向量的輸入向量，yj為 /=1輸出向量，指示Xj對應(yīng)的短信的分類，Yj = 1、或yj = -1 ；所述SVM識別模塊，還用于將所述短信樣本向量T<xl，χ2, χ3, ...χΝ>作為輸入向量， 將所述分量y作為輸出向量，得到一組支持向量，并存入所述支持向量庫中。
14.根據(jù)權(quán)利要求13所述移動終端，其特征在于，所述SVM識別模塊，還用于對獲取 的所述短信樣本向量進(jìn)行支持向量庫匹配，若所述短信樣本向量與支持向量庫中某一組支 持向量的輸入向量匹配，則將所述輸入向量對應(yīng)的輸出向量指示的分類作為所述短信的分 類；否則將所述短信樣本向量帶入所述分類函數(shù)。
15.根據(jù)權(quán)利要求14所述移動終端，其特征在于，所述過濾模塊，還用于在所述號碼屬于所述黑名單時(shí)，判定所述短信的分類錯誤，并通 知所述SVM識別模塊更新所述支持向量庫；還用于在所述號碼屬于所述通訊錄時(shí)，判定所 述短信的分類錯誤，并通知所述SVM識別模塊更新所述支持向量庫；還用于在所述號碼不 屬于所述通訊錄時(shí)，判定所述短信的分類正確，將發(fā)送所述垃圾短信的移動終端號碼添加 到所述黑名單。
全文摘要
本發(fā)明公開了一種移動終端及其短信過濾的方法，通過采用支持向量機(jī)算法對短信進(jìn)行分類，同時(shí)，還具有自反饋功能，基于已分類的短信進(jìn)行簡單的通訊錄或黑名單匹配，對分類錯誤的短信進(jìn)行反饋學(xué)習(xí)、更新支持向量庫；如此，使得支持向量庫不斷完善、過濾能力不斷地自行調(diào)整、并增強(qiáng)；由于支持向量機(jī)算法、以及通訊錄或黑名單匹配的結(jié)合使用，使得本發(fā)明的方案可以針對格式各樣的短信，特別地，對于那些來源即不屬于黑名單、也不屬于通訊錄的短信進(jìn)行了過濾。
文檔編號H04M1/275GK101902523SQ20101022527
公開日2010年12月1日 申請日期2010年7月9日 優(yōu)先權(quán)日2010年7月9日
發(fā)明者孫知信, 朱佳佳, 查敦林, 董昊 申請人:中興通訊股份有限公司