原创力文档- 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）