[发明专利]模型训练方法及系统、垃圾邮件识别方法及系统和设备

权利要求书

1.一种模型训练方法，其特征在于，所述模型训练方法包括：

获取多个邮件样本，所述邮件样本包括垃圾邮件和非垃圾邮件；

对邮件样本的文本做分词处理，将分好的词汇总，并为每个词对应设置唯一不重复的数字编号，得到由邮件样本的词汇对应的数字编号所组成的数据样本；

把每个词的数字编号转换为一个词向量，并基于词向量得到所述数据样本的句向量；

将所述数据样本中每个数字编号的词向量和所述句向量输入到分层注意力网络模型中进行训练，得到用于识别垃圾邮件的目标模型。

2.如权利要求1所述的模型训练方法，其特征在于，所述邮件样本的文本包括中文和/或英文，

和/或，

得到所述数据样本之后，所述模型训练方法还包括：

统计所有数据样本的长度，选取一目标文本长度，长于所述目标文本长度的数据样本在末尾截断，短于所述目标长度的数据样本在末尾补0至所述目标文本长度。

3.一种垃圾邮件识别方法，其特征在于，所述方法包括：

当接收到新邮件时，自动获取所述新邮件的内容；

对所述新邮件的内容做分词处理得到新邮件文本，根据预设的词与数字编号的对应关系将所述新邮件文本转换为新数据文本；

将所述新数据文本的数字编号转化为词向量，并基于词向量得到所述新数据文本的句向量；

将所述新数据文本的词向量和句向量输入到利用如权利要求1-2中任意一项所述的模型训练方法得到的目标模型中，得到模型的输出值；

将所述模型的输出值与目标阈值进行比较，若所述模型的输出值大于目标阈值，则将所述新邮件识别为垃圾邮件。

4.如权利要求3所述的垃圾邮件识别方法，其特征在于，将所述新邮件识别为垃圾邮件后，所述垃圾邮件识别方法还包括：

将所述新邮件存入邮件系统的垃圾箱。

5.如权利要求4所述的垃圾邮件识别方法，其特征在于，所述垃圾邮件识别方法还包括：

当所述新邮件被标记为非垃圾邮件后，将所述新邮件从所述邮件系统的垃圾箱中还原，并作为非垃圾邮件处理。

6.一种模型训练系统，其特征在于，所述模型训练系统包括：

样本获取模块，用于获取多个邮件样本，所述邮件样本包括垃圾邮件和非垃圾邮件；

预处理模块，用于对邮件样本的文本做分词处理，将分好的词汇总，并为每个词对应设置唯一不重复的数字编号，得到由邮件样本的词汇对应的数字编号所组成的数据样本；

向量化模块，用于把每个词的数字编号转换为一个词向量，并基于词向量得到所述数据样本的句向量；

训练模块，用于将所述数据样本中每个数字编号的词向量和所述句向量输入到分层注意力网络模型中进行训练，得到用于识别垃圾邮件的目标模型。

7.如权利要求6所述的模型训练系统，其特征在于，所述邮件样本的文本包括中文和/或英文，

和/或，

所述预处理模块还包括：

长度统一单元，用于统计所有数据样本的长度，选取一目标文本长度，长于所述目标文本长度的数据样本在末尾截断，短于所述目标长度的数据样本在末尾补0至所述目标文本长度。

8.一种垃圾邮件识别系统，其特征在于，所述垃圾邮件识别系统包括：

新邮件获取模块，用于接收新邮件并自动获取所述新邮件的内容；

新邮件预处理模块，用于对所述新邮件的内容做分词处理得到新邮件文本，根据预设的词与数字编号的对应关系将所述新邮件文本转换为新数据文本；

新邮件向量化模块，用于将所述新数据文本的数字编号转化为词向量，并基于词向量得到所述新数据文本的句向量；

输出模块，用于将所述新数据文本的词向量和句向量输入到利用如权利要求6-7中任意一项所述的模型训练系统得到的目标模型中，得到模型的输出值；

识别模块，用于将所述模型的输出值与目标阈值进行比较，若所述模型的输出值大于目标阈值，则将所述新邮件识别为垃圾邮件。