[发明专利]一种对图像型垃圾邮件进行过滤的方法及装置

摘要

本发明公开了一种对图像型垃圾邮件进行过滤的方法及装置，通过WAF模型对邮件图像中识别出的关键词进行关键词重构，并基于重构后的关键词对邮件进行判断和过滤，从而解决现有技术中基于图像过滤垃圾邮件准确率低的问题。

主权项

1.一种对图像型垃圾邮件进行过滤的方法，其特征在于，包括：通过WAF模型对邮件图像中识别出的关键词进行关键词重构；基于重构后的关键词对邮件进行判断，当确定所述邮件是垃圾邮件后，对所述邮件进行过滤；所述通过WAF模型对邮件图像中识别出的关键词进行关键词重构的步骤具体包括：通过WAF模型计算没有被识别的字与其相邻的已识别的字构成预设的关键词的亲密度之和，当亲密度之和的值超过预设的阈值时，则确定没有被识别的字与其相邻的已识别的字构成关键词；通过WAF模型计算没有被识别的字与其相邻的已识别的字构成预设的关键词的亲密度之和的步骤具体包括：通过WAF模型计算关键字之间的亲密度；根据关键字之间的亲密度计算没有被识别的字与其相邻的已识别的字构成预设的关键词的亲密度之和；计算关键字之间的亲密度的步骤具体包括：根据词激活力公式计算各个关键字之间的连接紧密度，并通过亲密度矩阵计算各个关键字之间亲密度之和；首先，根据训练文本建立一个关键字网状模型，该关键字网状模型基于WAF模型，描述各个关键字之间的相关性和激活度，通过权重计算即词激活力计算公式，衡量训练数据中的各个关键字连接紧密度：其中，f_i代表关键字i出现的频率，f_ij代表关键字i和关键字j一起出现的频率，d_ij代表两个关键字一起出现时的平均距离，根据计算结果，得到一个关键字网络矩阵A＝{af_ij}，利用这个矩阵计算各个关键字之间亲密度：其中，K_ij＝{k|af_ki＞0 or af_kj＞0}L_ij＝{l|af_li＞0 or af_lj＞0}OR(x,y)＝min(x,y)/max(x,y)，K_ij为关键字i、关键字j相同的前向关键字k的集合，L_ij为关键字i、关键字j相同后向关键字l的集合；根据训练模型，先根据样本语料库，建立关键字关联模型，根据该模型，得到两两关键字之间的亲密度矩阵；其次，根据前面得到的识别结果和训练产生的亲密度模型进行关键词重构，具体步骤如下：1)、将样本数据文本转化成由关键字组成的序列；2)、计算关键字在样本集中出现的频率，形成字表；3)、计算两个不同关键字共同出现的频率，形成关系字表；4)、计算不同关键字之间的WAF距离；5)、计算不同关键字之间的亲和度矩阵，完成训练部分；6)、使用光学字符识别OCR系统，对测试图片进行文字识别；7)、选取没有被识别的，但是能够和相邻的字组成关键词的字作为候选字；8)、在候选字中，计算其与周围的识别出的字的亲密度之和；9)、通过阈值判断是否能被激活，从而完成对关键词的重建。