[发明专利]一种骚扰电话的识别方法

说明书

本发明公开了一种骚扰电话的识别方法。建立基于反向传播神经网络的骚扰电话识别模型；设计了所述反向传播神经网络的输入、输出变量；设计了粒子群算法计算初始反向传播神经网络参数，提高所述反向传播神经网络的精度和收敛速度；分别提出了建立训练数据集和验证数据集的方法，提高训练效率；通过计算所述反向传播神经网络的识别效果评估值，以识别效果评估值最大的反向传播神经网络识别主叫号码是骚扰电话、还是正常电话、还是疑似骚扰电话。本发明提出的骚扰电话的识别方法具有准确、快捷的特点，防电话骚扰效果良好。

技术领域

本发明属于通信大数据领域，具体涉及一种骚扰电话的识别方法。

背景技术

在大数据时代，移动通信飞速发展在给人们带来方便的同时，也使得有些人出于商业目的，利用移动通信业务传播一些骚扰信息，导致骚扰电话泛滥，给人们的生活带来极大困扰。如何有效甄别骚扰电话，构建绿色安全网络，对骚扰电话的识别和监控拦截技术的研究成了当下的热点问题。

发明内容

本发明的目的是为了解决目前现有的技术存在的不足，提出了一种粒子群算法优化反向传播神经网络骚扰电话识别方法。建立基于反向传播神经网络的骚扰电话识别模型；设计了所述反向传播神经网络的输入、输出变量；设计了粒子群算法计算初始反向传播神经网络参数，提高所述反向传播神经网络的精度和收敛速度；分别提出了建立训练数据集和验证数据集的方法，提高训练效率；通过计算所述反向传播神经网络的识别效果评估值，以识别效果评估值最大的反向传播神经网络识别主叫号码是骚扰电话、还是正常电话、还是疑似骚扰电话。

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，进一步包含如下步骤：

S2-1：定义式(1)所述反向传播神经网络的输入变量，进一步包括：

式(1)所述x₁,x₂,..,x_n为指定主叫号码在连续7天中的相关统计数据，其中

x₁:总呼叫次数；

x₂:被叫号码数，即主叫呼出号码的数量；

x₃:接通次数；

x₄:接通号码数，接通情况下主叫呼出号码的数量；

x₅:平均通话时间；

x₆:未接通次数；

x₇：未接通号码数，未接通情况下主叫呼出号码的数量；