- 1、本文档共18页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
目录
一 项 目背景
二 技术方案
三 项 目详细内容
四 应用及效果
项 目背景
为履行企业社会责任 ,保障广大用户通信权益 ,自2012年以来 ,中
国移动持续开展垃圾短信治理工作。依托垃圾短信集中管控平台 ,治理主
要采用 “系统监测”模式。随着中奖诈骗类、政治违法类、涉黄涉黑类、
病毒诱导类、商业广告类等违规短信层出不穷 ,垃圾短信数量居高不下 ,
年均疑似垃圾短信高达3亿余条 ,垃圾短信治理形式严峻。
系统监测 :主要指通过 “频次 +关键词”
等过滤方式 ,筛选得到现网疑似垃圾短
信。如 :内容含 “发票&代开” ,1分钟
内发送20次等。
若想提升垃圾短信治理效率 ,亟需引入
新的方法。
面临的问题以及现有方案
技术难点 :
Ø 表示稀疏问题 :单条短信内容短小 ,传统的BOW模型无法获取足够的特征信息 ,用来区
分垃圾短信和非垃圾短信。
Ø 数据噪音问题 :存在大量的非正规语言的使用现象 ,传统的基于词汇的文档表示模型无
法处理该问题。
Ø 动态演化问题 :短信 内容和语言使用随时间高速演化 ,固定的特征集合和分类模型无法
应对该问题。
短文本分类方面,终端安全公司大多使用以贝叶 google公司前期提出Simhash算法,将长文本
斯算法为代表的机器学习方法,在终端侧对用户接 转化为64位的哈希码进行计算、比对。
收到的短信进行识别,将疑似垃圾短信拦截在垃圾 方法在业界广受好评,但 目前仅限于在长文
箱内。 本方面 (如网页)应用。
目前已得到广泛应用。
过 查
滤 找
垃 重
圾 复
短 网
信 页
! !
目录
一 项 目背景
二 技术方案
三 项 目详细内容
四 应用
文档评论(0)