[发明专利]一种骚扰电话的识别方法

权利要求书

1.一种骚扰电话的识别方法，其特征在于，包括以下步骤：

S1、建立基于反向传播神经网络的骚扰电话识别模型：

其中，x₁,x₂,..,x_n为输入变量，n为输入层节点数，n₁为隐含层节点数，w_ij(0≤w_ij≤1，i＝1,2,…,n，j＝1,2,…,n₁)为输入层至隐含层的权值，隐含层的输出变量，θ_j(j＝1,2,…,n₁)为输入层至隐含层的阈值；m为输出层节点数，w′_jk(0≤w′_jk≤1，j＝1,2,…,n₁，k＝1,2,…,m)为隐含层至输出层的权值；y为隐含层至输出层的输出变量；θ′_k(k＝1,2,…,m)为隐含层至输出层的阈值；f(z)为Sigmoid函数，如式(2)所示：

S2、定义式(1)所述反向传播神经网络的输入、输出变量；

S3、设计粒子群算法，计算初始反向传播神经网络参数：w_ij，w′_jk，进一步包括：

S3-1：编码粒子群个体：将初始化反向传播神经网络参数w_ij，w′_jk作为一个整体参数进行编码，每一个个体都包含了反向传播神经网络的输入层至隐含层的权值，隐含层至输出层的权值；

S3-2：确定速度更新函数和位置更新函数，如式(3)、(4)

v_i(t+1)＝v_i(t)+c₁*r₁(t)*(p_i(t)-x_i(t))+c₂*r₂(t)*(p_g(t)-x_i(t)) (3)

x_i(t+1)＝x_i(t)+v_i(t+1) (4)

其中：x_i(t)表示第i(i＝1,2,…,n)个粒子第t次迭代时的位置向量；v_i(t)表示第i(i＝1,2,…,n)个粒子第t次迭代时的速度向量；p_i(t)表示第i(i＝1,2,…,n)个粒子第t次迭代时的最优位置向量；p_g(t)表示整个种群的t次迭代时经过的最优位置向量；c₁,c₂为学习因子，所述学习因子是正常数；r₁，r₂为[0,1]之间满足均匀分布的随机数；

S3-3：计算每个粒子的适应度值；

S3-4：对每个粒子i，比较它的适应值与它的个体极值p_i(t)，如果当前值好于p_i(t)，则替换p_i(t)，否则，p_i(t)等于当前位置x_i；

S3-5：对每个粒子i，比较它的适应值与全局极值p_g(t)，如果当前值较好，则替换p_g(t)p_g(t)；

S3-6：根据式(3)、(4)更新粒子的速度和位置；

S3-7：如果满足运行结束条件，则退出，输出最优解，否则，回到S3-3；

所述满足运行结束条件为误差足够好或达到了预先设定的最大迭代次数；

S3-8：解码最优个体；对粒子群个体解码，得到w_ij，w′_jk；

S4、建立训练数据集S和验证数据集T，进一步包括：

S4-1：S和T来源于连续7天的通话记录；

S4-2：设7天通话记录中的主叫号码集合为U、骚扰电话号码集合为P、疑似骚扰电话号码集合为Q、正常电话号码集合为R；

S4-3：定义置信度：P中元素置信度定为1、Q中元素置信度定为random(45，55)*0.01、R中元素置信度定为0；

S4-4：确定训练数据集S；

S4-5：确定验证数据集T；

S5、利用S中的电话号码和S3产生的初始值，对所述反向传播神经网络进行训练；

S6、利用T中的电话号码对所述反向传播神经网络进行验证，包括如下步骤：

S6-1：计算T中骚扰电话号码识别准确的电话号码集合TP1，进一步包括：

TP1＝{x|x∈TP，且x对应的相关统计数据x₁,x₂,..,x_n作为所述反向传播神经网络输入时，对应的输出值y不小于0.9}，所述TP为T中骚扰电话号码的集合；

S6-2：计算T中骚扰电话号码识别准确的电话号码集合TQ1，进一步包括：

TQ1＝{x|x∈TQ，且x对应的相关统计数据x₁,x₂,..,x_n作为所述反向传播神经网络输入时，对应的输出值y小于0.9、大于0.1}，所述TQ为T中疑似骚扰电话号码的集合；

S6-3：计算T中骚扰电话号码识别准确的电话号码集合TR1，进一步包括：

TR1＝{x|x∈TR，且x对应的相关统计数据x₁,x₂,..,x_n作为所述反向传播神经网络输入时，对应的输出值y不大于0.1}，所述TR为T中正常号码的集合；

S7、计算所述反向传播神经网络的识别效果评估值；

S8、S4～S7执行至少一次，记识别效果评估值最大的反向传播神经网络为OptAN；

S9、将待识别的主叫号码x对应的相关统计数据x₁,x₂,..,x_n输入到OptAN；

S10：计算OptAN的输出y；如果y≥0.9，则主叫号码x为骚扰电话；如果y≤0.1，则主叫号码x为正常电话；如果0.1y0.9，则主叫号码x为疑似骚扰电话。