[发明专利]通话联系人控制方法、装置及存储介质和移动终端

权利要求书

1.一种通话联系人控制方法，其特征在于，包括：

在检测到移动终端处于通话模式时，获取当前通话特征，所述通话特征包括通话声音特征和/或通话内容特征，所述通话模式包括第三方语音通话软件通话模式；

获取基于机器学习方法生成的预设分类模型，所述预设分类模型由多个已知通话联系人类别的通话信息样本训练得到，用于对通话联系人进行分类，所述通话信息样本为从预设服务器中获取目标用户群组的历史通话信息样本，其中，所述目标用户群组为与移动终端用户具有相同用户属性的多个用户，所述用户属性包括年龄、性别、爱好、职业和平时说话声音特征；

将所述当前通话特征输入至所述预设分类模型中，获取所述预设分类模型输出的目标通话联系人类别；

将所述目标通话联系人类别标记为当前通话联系人在移动终端中的联系人类别。

2.根据权利要求1所述的通话联系人控制方法，其特征在于，所述通话声音特征包括音色、音调、响度、语气、语速和说话方式中的至少一项。

3.根据权利要求1所述的通话联系人控制方法，其特征在于，所述联系人类别包括同事、领导、父母、亲戚、朋友、客户、恋人或者推销人员。

4.根据权利要求1所述的通话联系人控制方法，其特征在于，建立所述基于机器学习的预设分类模型，包括：

从移动终端本地获取移动终端用户的历史通话信息样本或者从预设服务器中获取目标用户群组的历史通话信息样本；

采用机器学习方法对所述历史通话信息样本基于通话内容特征进行训练，建立与通话内容特征相应的第一分类器；

采用机器学习方法对所述历史通话信息样本基于通话声音特征进行训练，建立与通话声音特征相应的第二分类器；

将所述第一分类器和所述第二分类器，使用决策树算法进行融合形成预设分类模型。

5.根据权利要求4所述的通话联系人控制方法，其特征在于，所述采用机器学习方法对所述历史通话信息样本基于通话内容特征进行训练，建立与通话内容特征相应的第一分类器包括：采用不同的机器学习方法对所述历史通话信息样本基于通话内容特征进行训练，建立多个所述第一分类器；将准确度最高的第一分类器作为与通话内容特征相应的第一分类器；

和/或，

所述采用机器学习方法对所述历史通话信息样本基于通话声音特征进行训练，建立与通话声音特征相应的第二分类器包括：采用不同的机器学习方法对所述历史通话信息样本基于通话声音特征进行训练，建立多个所述第二分类器；将准确度最高的第二分类器作为与通话声音特征相应的第二分类器。

6.根据权利要求5所述的通话联系人控制方法，其特征在于，所述机器学习方法包括：神经网络方法、支持向量机方法、决策树方法、逻辑回归方法、贝叶斯方法、和随机森林方法。

7.根据权利要求4所述的通话联系人控制方法，其特征在于，所述机器学习方法为神经网络方法，所述神经网络方法包括输入层、隐藏层和输出层；

所述采用机器学习方法对所述历史通话信息样本基于通话内容特征进行训练，建立与通话内容特征相应的第一分类器包括：将所述历史通话信息样本中的通话内容特征输入至所述输入层，并经过与所述隐藏层各节点对应的激活函数的计算，输出第一中间通话联系人类别；利用所述第一中间通话联系人类别与所述历史通话信息样本中的通话联系人类别之间的差值，以及优化算法对所述激活函数中的权重进行反复修正，直至所述第一中间通话联系人类别与所述通话联系人类别之间的差值在设定范围内，得到训练完成的各个节点的激活函数，生成所述第一分类器；

和/或，

所述采用机器学习方法对所述历史通话信息样本基于通话声音特征进行训练，建立与通话声音特征相应的第二分类器包括：将所述历史通话信息样本中的通话声音特征输入至所述输入层，并经过与所述隐藏层各节点对应的激活函数的计算，输出第二中间通话联系人类别；利用所述第二中间通话联系人类别与所述历史通话信息样本中的通话联系人类别之间的差值，以及优化算法对所述激活函数中的权重进行反复修正，直至所述第二中间通话联系人类别与所述通话联系人类别之间的差值在设定范围内，得到训练完成的各个节点的激活函数，生成所述第二分类器。