[发明专利]用于使用主题信息识别垃圾消息的系统和方法

摘要

用于识别垃圾电子邮件消息的系统和方法。系统可以包括配置为存储多个比例确定规则的规则数据库，配置为存储多个已知矢量的矢量数据库，配置为接收电子邮件消息的消息处理工具，配置为根据所述比例确定规则建立k‑跳过‑n元语法(k‑skip‑n‑gram)词组集合的语法模型(gram)建立工具，配置为接收所述k‑skip‑n‑gram词组集合、并为每个k‑skip‑n‑gram词组建立矢量的矢量建立工具，以及配置为根据每个k‑skip‑n‑gram词组与特定电子邮件消息主题字段主题类别的多个已知矢量的余弦相似性来确定垃圾消息存在阈值、并在所述垃圾消息存在阈值被超过时确定该电子邮件消息包含垃圾消息的垃圾消息识别工具。

主权项

一种用于识别垃圾电子邮件消息的系统，所述系统包括：计算平台，所述计算平台包括至少一个处理器的计算硬件、可操作地耦连至所述至少一个处理器并且配置为存储由所述至少一个处理器调用的指令的存储器、在所述计算硬件上实现的操作系统、以及输入/输出设备；规则数据库，所述规则数据库配置为存储多个比例确定规则，所述比例确定规则包括用于文本串的一组条件，针对所述条件所述规则被用于确定在输入文本中语法模型(gram)中单词的n值以及在输入文本中要跳过的单词的k值；矢量数据库，所述矢量数据库配置为存储多个已知矢量，其中所述多个已知矢量按照主题类别而被分类；指令，当所述指令在所述计算平台上执行时，使所述计算平台实现：消息处理工具，所述消息处理工具配置为经由所述输入/输出设备接收电子邮件消息，所述电子邮件消息包含主题字段，gram建立工具，所述gram建立工具配置为根据所述规则数据库中的比例确定规则所确定的用于所述输入文本的主题字段的所述k值和所述n值之比来建立k‑跳过‑n元语法(k‑skip‑n‑gram)词组集合，矢量建立工具，所述矢量建立工具配置为从所述gram建立工具接收所述k‑skip‑n‑gram词组集合、并为每个k‑skip‑n‑gram词组建立矢量，以及垃圾消息识别工具，所述垃圾消息识别工具配置为根据每个k‑skip‑n‑gram词组与特定电子邮件消息主题字段主题类别的多个已知矢量的余弦相似性来确定垃圾消息存在阈值，并在所述垃圾消息存在阈值被超过时确定所述电子邮件消息包含垃圾消息。