[发明专利]基于逐点互信息技术的诈骗信息特征词提取方法及系统

摘要

本发明涉及一种基于逐点互信息技术的诈骗信息特征词提取方法及系统，该提取方法包括：提取诈骗信息主题关键词，组成主题关键词集合；将信息组中的信息按是否为诈骗信息划分为正样本集合和负样本集合，并得到正样本分词集合、负样本候分词集合和候选关键词集合；根据候选关键词集合的候选关键词在信息组的正相互性PMI值和负相互性PMI值得到候选关键词在信息组的权重，将权重大于预设阈值的候选关键词记为信息组的合格关键词。本发明通过对信息组中的信息进行处理，得到候选关键词集合，计算候选关键词相对于信息的正相互性PMI值和负相互性PMI值，得到候选关键词的权重，由此判断是否为合格关键词，实现了对数据流式信息的关键词提取。

主权项

一种基于逐点互信息技术的诈骗信息特征词提取方法，其特征在于，包括：根据用户输入的指令从信息组中提取诈骗信息主题关键词，组成主题关键词集合；将所述信息组中的信息按是否为诈骗信息划分为正样本集合和负样本集合，并分别对所述正样本集合和负样本集合中的信息进行分词，得到正样本分词集合、负样本候分词集合和候选关键词集合；根据所述信息组的主题关键词集合、正样本分词集合和负样本分词集合得到所述候选关键词集合的候选关键词在所述信息组的正相互性PMI值和负相互性PMI值；根据所述正相互性PMI值和负相互性PMI值得到所述候选关键词在所述信息组的权重，当所述候选关键词的权重大于预设阈值时，将所述候选关键词记为所述信息组的合格关键词。