【摘 要】
:
垃圾短信(Spam,Messages,SM)是指未经过用户同意向用户发送不愿接收的商业广告或者不符合法律规范的短信。随着手机的普及,垃圾短信在日常生活日益泛滥,已经严重的影响到了人们的正常生活娱乐,乃至社会的稳定。中国移动在2017年月拦截垃圾短信就已经达到2亿多条,这个数量随着时代的变化也在以倍数的速度不断递增,如今每个人月平均收到的垃圾短信也达到了9条左右。大数据时代的到来使得大量个人信息数据
论文部分内容阅读
垃圾短信(Spam,Messages,SM)是指未经过用户同意向用户发送不愿接收的商业广告或者不符合法律规范的短信。随着手机的普及,垃圾短信在日常生活日益泛滥,已经严重的影响到了人们的正常生活娱乐,乃至社会的稳定。中国移动在2017年月拦截垃圾短信就已经达到2亿多条,这个数量随着时代的变化也在以倍数的速度不断递增,如今每个人月平均收到的垃圾短信也达到了9条左右。大数据时代的到来使得大量个人信息数据得以沉淀和积累,但是庞大的数据量缺乏有效的整理规范,在面对量级如此巨大的短信数据时,为了保证更良好的用户体验,如何从数据中挖掘出更多有意义的信息为人们免受垃圾短信骚扰成为当前亟待解决的问题。随着深度学习和自然语言处理领域的高速发展,深度学习模型在提取句子信息的能力进一步得到肯定,本文针对垃圾短信分类中的深度学习方法进行深入的研究,具体研究内容及结果如下:首先对垃圾短信预处理时,发现数据噪音数据大和jieba分词不能识别新词。针对这一个问题,数据采用流程化处理,包括“繁体字转换,数字和特殊符号替换,错别字纠正”三部分。对未能识别的新词,引入了改进的新词识别工具,将获得的新词字典导入jieba自定义词库中。然后在垃圾短信识别时,提出了Bi-lstm与TextCNN结合的RCM垃圾短信识别模型,解决了多义词表达向量相同问题,同时使用了柱状图方式(Histogram)进一步对句子向量做非线性特征提取,将获得的特征与TextCNN提取的敏感特征融合,提高了垃圾短信识别的准确率,达到96.81%。最后,在原有垃圾短信识别二分类算法系统下,为了减少非垃圾短信预测为垃圾短信的概率,引入了“不做处理”的一类。对“不做处理”这类提出了固定阈值和差值阈值选择方法,用于获得科学的阈值,将准确率提高了1.013%,达到了97.823%。
其他文献
随着城市轨道交通的发展和城市地下空间的开发,地面工程和地下隧道工程交叉建设的案例屡见不鲜,新建开挖工程对临近既有隧道产生影响的情况不可避免。新建工程的临近开挖及后
非军旅作家的军旅长篇小说因为跳开题材的限制而更加专注于文学资源的开掘,因为少了观念的羁绊而显露出突破既往的新意。女作家群体执着于探索军人的心灵和情感世界的丰富性,
自上世纪末本世纪初,我国沿海城市逐渐掀起建设海滨公园的浪潮。据不完全统计,截至2008年,我国沿海已经有二十余个城市和地区建设了一个甚至多个海滨公园。海滨公园作为海洋
计算机辅助设计软件的开发和应用,慢慢取代了原有的手工绘画工具,同时其集二维绘画软件和三维绘画软件于一体,不仅能够提高设计绘画的效率,同时能够将设计人员丰富的设计想象
针对传统的归一化指数损失(Softmax损失)函数缺乏区别特征能力,对人脸特征无法进行判别性学习的问题,提出一种聚合判别多任务学习算法。首先,利用多任务级联卷积神经网络方法
近年来,在供给侧改革的推动下,PPP模式在我国再度掀起热潮,关于PPP模式的法制建设正热火朝天地展开。与传统的公法和私法不同,PPP模式的法制框架突破了传统的界限,呈现公私法
山东友谊出版社出版的《马克思主义经典著作导读》一书,是由山东大学马列部的三位教授集多年对马克思主义经典著作的研究成果编写而成的。为广大读者提供了一把解读马克思主义
电子商务蓬勃发展,信用欺诈行为弥漫整个网络交易市场,维持有序的网络交易市场,需要健全的法律体系,高位阶综合性立法中对电子商务中信用欺诈行为规定笼统,又缺乏配套的专门
目的探究脂蛋白脂酶活性与早发冠心病临床表现的关系。方法按照入院顺序抽取我院自2015年1月至2017年7月选取的早发冠心病患者100例作为研究组,同期选取100名健康体检者作为
宋元时期我国俗文艺高度发展,从宫廷到市井民间的各类娱乐活动兴盛,应运而生了相应的"主持人",诸如竹竿子、参军色、引戏、押宴官、部署等,其文化内涵、功用与当代节目主持人