[发明专利]一种生成关键字组合策略的方法及装置

说明书

技术领域

本发明涉及信息安全技术领域，特别涉及一种生成关键字组合策略的方法及装置。

背景技术

现有技术中针对一个网页页面或一篇文档提取关键字组合，该技术的技术方案是针对一个网页页面或一篇文档，根据关键词与网页/文档内容的相关性，提取一条关键字组合，其目的在于提高网页/文档的标引质量，以便快速检索到该网页/文档。但针对一个网页页面或一篇文档提取一条关键字组合的技术完全不适用于垃圾短彩信的关键字组合生成。若采用网页/文档提取关键字组合技术用于垃圾短彩信的关键字组合策略生成，则只能针对一条短彩信生成一条策略，这样针对一组短彩信，生成的策略数量非常多，这种方式对于海量的垃圾短彩信而言显然是不可行的，不仅生产效率极低，并且对策略容量需求非常大，同时对于监控系统的性能要求非常高；同时生成关键字过程中若仅仅考虑和本条短彩信内容的相关性，不考虑关键字所具有的垃圾属性和正常属性，将会导致生成的关键字组合策略虽然简单但会产生很多误拦。

发明内容

本发明的目的在于提供一种生成关键字组合策略的方法及装置，提高了垃圾信息关键字组合策略的拦截能力，且降低了在垃圾信息治理中日益严重的策略容量需求问题，提高了策略容量利用率，大大降低了投资。

为了达到上述目的，本发明实施例提供一种生成关键字组合策略的方法，包括：

对包含多个语句的信息进行切词处理，得到多个第一元素词组合；

获得所述第一元素词组合的垃圾属性值和正常属性值；

所述第一元素词组合的垃圾属性值大于第一预设值且所述正常属性值小于第二预设值时，确定该第一元素词组合为第一元素关键词组合，多个所述第一元素关键词组合形成第一元素关键词组合集；

将所述第一元素关键词组合集中至少两个不同的第一元素关键词组合进行组合，得到第N元素词组合，形成第N元素词组合集，其中，N为组成所述第N元素词组合的第一元素组合的个数；

当所述第N元素词组合的垃圾属性值大于第三预设值且所述正常属性值小于第四预设值时，确定该第N元素词组合为第N元素关键词组合，确定的多个第N元素关键词组合形成第N元素关键词组合集，当N值大于或者等于一阈值时，确定所述第N元素关键词组合集为策略集。

其中，获得所述第一元素词组合的垃圾属性值和正常属性值的步骤具体包括：

从词性库中获取所述多个第一元素词组合的垃圾属性值和正常属性值。

其中，所述第N元素词组合的垃圾属性值和正常属性值的计算步骤具体包括：

将所述第N元素词组合拆分成N个第一元素关键词组合；

从词性库中分别获取每一个第一元素关键词组合的所有垃圾样本ID和所有正常样本ID；

获取所述N个第一元素关键词组合的所有垃圾样本ID中的相同的ID号，所述相同的ID号的数量为所述第N元素词组合的垃圾属性值；

获取所述N个第一元素关键词组合的所有正常样本ID中的相同的ID号，所述相同的ID号的数量为所述第N元素词组合的正常属性值。

其中，形成第N元素词组合集时按照N值由小到大的顺序依次形成，若所述第N元素词组合集中不存在垃圾属性值大于所述第三预设值且正常属性值小于所述第四预设值的第N元素词组合，停止形成第N元素词组合集；否则，直到N值大于或者等于一阈值，停止形成第N元素词组合集。

优选的，所述第N元素词组合集的形成由已确定的第L元素关键词组合和已确定的第M元素关键词组合两两组合形成，其中，L+M＝N。

进一步的，确定所述策略集后还包括：

对所述策略集进行去冗余处理，得到优选策略集。

其中，对所述策略集进行去冗余处理，得到优选策略集的步骤具体包括：

将所述策略集中所有第N元素关键词组合拦截的信息去重合并，形成一个信息集；

将拦截信息数最多的第N元素关键词组合确定为优选策略，同时删除所述优选策略，形成新的策略集，并删除所述优选策略拦截的所有信息，形成新的信息集，继续确定优选策略，直到新的信息集中的信息条数小于第一预设门限值；

将已确定的优选策略组成优选策略集。

进一步的，得到所述优选策略集后还包括：

将所述优选策略集中的相似策略进行逻辑合并，得到目标策略集。

其中，将所述优选策略集中的相似策略进行逻辑合并，得到目的策略集的步骤具体包括：