CN103812989B - 一种识别骚扰电话的方法和装置 - Google Patents

Abstract

本发明提出了一种识别骚扰电话的方法和装置，包括：获取预设时间内各用户的呼入记录和呼出记录；根据获得的呼入记录和呼出记录获得采样用户的互拨好友；根据采样用户的呼出记录和互拨好友的呼出记录计算采样用户和互拨好友的共同打出可能性；根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话。本发明提高了识别骚扰电话的准确度。

Description

一种识别骚扰电话的方法和装置

技术领域

本发明涉及通信领域，尤指一种识别骚扰电话的方法和装置。

背景技术

目前，识别骚扰电话的方法是：根据电话响铃时间、用户接听后到挂断的时间进行判断。如果电话响铃时间超过第一预设阈值，或者接听后到挂断的时间不超过第二预设阈值，则认为来电为骚扰电话。现有识别骚扰电话的方法，如果根据接听后到挂断的时间进行判断，可导致用户已经接听骚扰电话或将原本简短的通话误标为骚扰电话，从而使得识别骚扰电话的准确度较低。

发明内容

为了解决上述问题，本发明提出了一种识别骚扰电话的方法和装置，能够提高识别骚扰电话的准确度。

为了达到上述目的，本发明提出了一种识别骚扰电话的方法，包括：

获取预设时间内各用户的呼入记录和呼出记录；根据获得的呼入记录和呼出记录获得采样用户的互拨好友；

根据采样用户的呼出记录和互拨好友的呼出记录计算采样用户和互拨好友的共同打出可能性；

根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话。

优选地，所述根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话包括：

当所述计算得到的共同打出可能性小于或等于打出可能性阈值，且所述采用用户的呼出记录数大于或等于记录数阈值时，判断出所述采样用户拨打的电话为嫌疑骚扰电话；

在所述预设时间内更新数据，当所述采样用户拨打的电话被标记为嫌疑骚扰电话的次数大于或等于预设次数时，判断出所述采样用户拨打的电话为骚扰电话。

优选地，所述获取预设时间内各用户的呼入记录和呼出记录包括：

保存预设时间内各用户的通话记录；

基于MapReduce机制，根据保存的通话记录获取各用户的所述呼入记录或所述呼出记录。

优选地，所述基于MapReduce机制，根据保存的通话记录获取各用户的呼入记录或呼出记录包括：

将所述各用户的通话记录拆分成文件集；

设置文件集中各文件对应的第一列为Key值，设置第二列为Value值；或设置第一列为Value值，设置第二列为Key值；

将具有相同Value值的所有Key值进行字符串连接，生成对应的输出集。

优选地，所述采样用户和互拨好友的共同打出可能性为：

本发明还提出了一种识别骚扰电话的装置，至少包括：

获取模块，用于获取预设时间内各用户的呼入记录和呼出记录；获得模块，用于根据获得的呼入记录和呼出记录获得采样用户的互拨好友；

计算模块，用于根据采样用户的呼出记录和互拨好友的呼出记录计算采样用户和互拨好友的共同打出可能性；

判断模块，用于根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话。

优选地，所述判断模块，具体用于：

当所述计算得到的共同打出可能性小于或等于打出可能性阈值，且所述采用用户的呼出记录数大于或等于记录数阈值时，判断出所述采样用户拨打的电话为嫌疑骚扰电话；

在所述预设时间内更新数据，当所述采样用户拨打的电话被标记为嫌疑骚扰电话的次数大于或等于预设次数时，判断出所述采样用户拨打的电话为嫌疑骚扰电话。

优选地，所述获取模块，具体用于：

保存预设时间内各用户的通话记录；基于MapReduce机制，根据保存的通话记录获取各用户的所述呼入记录或所述呼出记录。

优选地，所述获取模块，具体用于：

将所述各用户的通话记录拆分成文件集；

设置文件集中各文件对应的第一列为Key值，设置第二列为Value值；或设置第一列为Value值，设置第二列为Key值；

将具有相同Value值的所有Key值进行字符串连接，生成对应的输出集。

优选地，所述计算模块，具体用于：

根据公式计算所述采样用户和互拨好友的共同打出可能性。

与现有技术相比，本发明包括：获取预设时间内各用户的呼入记录和呼出记录；根据获得的呼入记录和呼出记录获得采样用户的互拨好友；根据采样用户的呼出记录和互拨好友的呼出记录计算采样用户和互拨好友的共同打出可能性；根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话。通过本发明的技术方案，提高了识别骚扰电话的准确度。

附图说明

下面对本发明实施例中的附图进行说明，实施例中的附图是用于对本发明的进一步理解，与说明书一起用于解释本发明，并不构成对本发明保护范围的限制。

图1为本发明识别骚扰电话的方法流程图；

图2为本发明获取各用户的呼入记录和呼出记录的方法流程图；

图3为本发明采样用户与互拨好友共同打出的具体实施例的示意图；

图4为本发明识别骚扰电话的装置的结构组成图。

具体实施方式

为了便于本领域技术人员的理解，下面结合附图对本发明作进一步的描述，并不能用来限制本发明的保护范围。

本发明中，通过对骚扰电话的分析发现骚扰电话具有以下特征：（1）短时间内拨打电话次数比普通用户高；（2）被叫号码大多数是拨打电话的用户所不认识的。

参见图1，本发明提出了一种识别骚扰电话的方法，包括：

步骤100、获取预设时间内各用户的呼入记录和呼出记录。

本步骤中，预设时间可以是一周。

本步骤中，保存各用户的通话记录，然后基于映射/化简（MapReduce）机制，根据保存的通话记录获取各用户的呼入记录或呼出记录。

其中，将各用户的通话记录保存到Hadoop分布式文件系统（HDFS，HadoopDistributed File System）。如何将通话记录保存到HDFS属于现有技术，不用于限定本发明的保护范围。

通话记录包括被叫用户标识和主叫用户标识。被叫用户标识可以采用被叫用户的手机号码表示，主叫用户标识也可以采用主叫用户的手机号码。例如，可以采用以下数据格式将各用户的通话记录保存到HDFS中。

18601234567 18607654321

18601234567 18607654322

…

…

18607654321 18601234567

…

其中，第一列表示被叫用户的手机号码，第二列表示主叫用户的手机号码。

在MapReduce框架中，包括一台主机和至少一台工作机，主机根据负载均衡为工作机分配Map作业或Reduce作业，工作机执行分配的Map作业或Reduce作业。主机如何分配Map作业或Reduce作业由MapReduce框架预先定义。

用户提交作业后，提交的作业被放入作业队列中，当工作机完成作业时，向主机请求新的作业，主机从作业队列中取出下一个作业分配给请求新作业的工作机。

本步骤中，可以将得到的呼入记录和呼出记录保存到HDFS中。

参见图2，MapReduce机制包括映射（Map）过程和化简（Reduce）过程。

在Map过程中，根据保存的通话记录获取各用户对应的呼入记录或呼出记录包括：

步骤200、将通话记录拆分成文件集。

本步骤中，主机将保存通话记录的文件拆分成M份文件，M份文件形成一个文件集，每份文件的大小为16兆（MB）到64MB。其中，M为大于等于1的整数。具体如何拆分由MapReduce框架预先定义。

MapReduce机制中默认拆分的文件大小为64MB，用户可以根据实际需要设置拆分的文件大小。拆分过程中，通话记录的文件中每一行作为一个单独的记录。

拆分后，主机根据负载均衡将文件集中的各文件（即Map作业）分配给空闲的工作机。这样，当通话记录的文件比较大时，能够将Map作业或Reduce作业分配给不同的工作机进行处理，从而加快处理速度。

步骤201、设置文件集中各文件对应的第一列为Key值，设置第二列为Value值；或设置第一列为Value值，设置第二列为Key值。

本步骤中，主机为工作机分配文件后，工作机将分配的文件中的第一列设置为Key值，第二列设置为Value值；或第一列设置为Value值，第二列设置为Key值。

本步骤中，如果生成各用户的呼入记录，则设置第一列为Key值，设置第二列为Value值；如果生成各用户的呼出记录，则设置第一列为Value值，设置第二列为Key值。

设置后，主机为空闲的工作机分配Reduce作业，执行Map作业的主机将具有相同Key值的Value值发送给分配对应Reduce作业的工作机。

在Reduce过程中，生成各用户对应的呼入记录或呼出记录包括：

步骤202、将具有相同Value值的所有Key值进行字符串连接，生成对应的输出集。

本步骤由分配对应Reduce作业的工作机来执行。

本步骤中，输出集可以表示为(key，打入/打出{value1,value2,value3…})。

例如，生成用户的呼入记录为：18601234567打入{18602345678，18603445674，18603445679，…}，生成用户的呼出记录为：18601234567打出{18602345678，18603425632，18603425699，18603445677，18603445678，18603445679，…}。

步骤101、根据获得的呼入记录和呼出记录获得采样用户的互拨好友。

本步骤中，采样用户可以是对比较有嫌疑拨打骚扰电话的用户，可以根据用户的信息做初步判断。对于无法识别其身份的用户，均可以作为采样用户进行分析，而对于个人信息比较完整的用户，例如，对于经过实名认证的用户、或者某个知名公司或学校的用户、或者个人信息较完整的用户，可以很容易判断其是否有嫌疑是拨打骚扰电话的用户。互拨好友是指既存在采样用户的呼入记录中，也存在采样用户的呼出记录中的用户。

本步骤中，从步骤100中获得的呼入记录和呼出记录中查找到采样用户的呼入记录和呼出记录。例如：

18601234567打入{18602345678，18603445674，18603445679，…};

18601234567打出{18602345678，18603425632，18603425699，18603445677，18603445678，18603445679，…}。

当在采样用户的呼入记录和呼出记录中存在共同的手机号码时，该手机号码对应的用户即为采样用户的互拨好友。

例如，可以对呼入记录和呼出记录采用快速排序法进行升序或降序排序，然后采用二分法在采样用户的呼出记录中查找呼入记录中的各用户，从而获得采样用户的互拨好友。

步骤102、根据采样用户的呼出记录和互拨好友的呼出记录计算采样用户和互拨好友的共同打出可能性。

采样用户和互拨好友的共同打出可能性为：

例如，参见图3，采样用户a与用户b、c、d为互拨好友，采样用户a与互拨好友b的共同打出对象为用户4，个数为1个；采样用户a与互拨好友c的共同打出对象为用户1和用户2，个数为2个；采样用户a与互拨好友d没有共同打出对象，个数为0个。采样用户a的所有打出对象为用户1、用户2、用户3和用户4，个数为4个。

那么，采样用户a和互拨好友b、c、d的共同打出可能为：（1+2+0）/（3×4）=0.25。

步骤103、根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话。

本步骤中，当计算得到的共同打出可能性小于或等于打出可能性阈值，且采样用户的呼出记录数大于或等于记录数阈值时，判断出采样用户拨打的电话为嫌疑骚扰电话；

在预设时间内更新数据，当采样用户拨打的电话被标记为嫌疑骚扰电话的次数大于或等于预设次数时，判断出采样用户拨打的电话为骚扰电话。

其中，打出可能性阈值为计算得到的共同打出可能性和共同打出可能性相同的所有用户数量形成的折线图的第一个峰值，折线图中，横坐标为计算得到的共同打出的可能性，纵坐标为共同打出可能性相同的所有用户数量。

从骚扰电话的特征（2）可知，被叫号码大多数是拨打电话的用户所不认识的，那么该用户和互拨好友之间存在共同打出的可能性将会比较低，说明共同打出可能性越低，该用户是拨打骚扰电话的用户的可能性越高。这里可以将打出可能性阈值设为第一个峰值，也可以在实际应用中根据实际的分析结果做相应的调整。

记录数阈值为：10v用户的平均打出记录（非互拨好友）的个数。从骚扰电话的特征（1）可知，拨打骚扰电话的用户在相同时间内拨打电话的次数一般比普通用户高很多，这里将记录数阈值取为普通用户的平均打出记录个数的10倍是比较合理的。

记录数阈值也可以根据用户打出记录的个数（非互拨好友）和用户数之间的分布曲线来确定。当统计的用户数较多时，用户打出记录和用户数之间成高斯分布。根据高斯分布将打出记录的个数相同的用户数占总用户数很小的范围定为骚扰用户的范围。如高斯分布的均值为μ，方差为σ时，可以将阈值取为μ+2.5σ。该记录数阈值也可以根据实际分析结果左相应的调整。

预设次数可以取为4。

确定骚扰用户后，可以将骚扰用户保存到黑名单集中，后续根据实时分析结果实时调整黑名单中的用户。

针对黑名单中的用户，根据实际情况可以采用不同的措施手段进行处理，如人工干预、短信通知或停机等。

参见图4，本发明还提出了一种辨别骚扰电话的装置，至少包括：

获取模块，用于获取预设时间内各用户的呼入记录和呼出记录；

获得模块，用于根据获得的呼入记录和呼出记录获得采样用户的互拨好友；

计算模块，用于根据采样用户的呼出记录和互拨好友的呼出记录计算采样用户和互拨好友的共同打出可能性；

判断模块，用于根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话。

本发明的辨别骚扰电话的装置中，判断模块，具体用于：

当计算得到的共同打出可能性小于或等于打出可能性阈值，且采用用户的呼出记录数大于或等于记录数阈值时，判断出采样用户拨打的电话为嫌疑骚扰电话；

在预设时间内更新数据，当采样用户拨打的电话被标记为嫌疑骚扰电话的次数大于或等于预设次数时，判断出采样用户拨打的电话为嫌疑骚扰电话。

本发明的辨别骚扰电话的装置中，获取模块，具体用于：

保存预设时间内各用户的通话记录；基于MapReduce机制，根据保存的通话记录获取生成各用户的呼入记录或呼出记录。

本发明的辨别骚扰电话的装置中，获取模块，具体用于：

将各用户的通话记录拆分成文件集；

设置文件集中各文件对应的第一列为Key值，设置第二列为Value值；或设置第一列为Value值，设置第二列为Key值；

将具有相同Value值的所有Key值进行字符串连接，生成对应的输出集。

本发明的分析用户接打电话关系的装置中，计算模块，具体用于：

根据公式计算采样用户和互拨好友的共同打出可能性。

需要说明的是，以上所述的实施例仅是为了便于本领域的技术人员理解而已，并不用于限制本发明的保护范围，在不脱离本发明的发明构思的前提下，本领域技术人员对本发明所做出的任何显而易见的替换和改进等均在本发明的保护范围之内。

Claims (10)

1.一种识别骚扰电话的方法，其特征在于，包括：

获取预设时间内各用户的呼入记录和呼出记录；根据获得的呼入记录和呼出记录获得采样用户的互拨好友；

根据采样用户的呼出记录和互拨好友的呼出记录计算采样用户和互拨好友的共同打出可能性；

根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话；

其中，所述采样用户和互拨好友的共同打出具体包括：共同拨打电话到同一号码；所述互拨好友具体包括：所有的互拨好友。

2.根据权利要求1所述的方法，其特征在于，所述根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话包括：

当所述计算得到的共同打出可能性小于或等于打出可能性阈值，且所述采样用户的呼出记录数大于或等于记录数阈值时，判断出所述采样用户拨打的电话为嫌疑骚扰电话；

在所述预设时间内更新数据，当所述采样用户拨打的电话被标记为嫌疑骚扰电话的次数大于或等于预设次数时，判断出所述采样用户拨打的电话为骚扰电话。

3.根据权利要求1所述的方法，其特征在于，所述获取预设时间内各用户的呼入记录和呼出记录包括：

保存预设时间内各用户的通话记录；

基于MapReduce机制，根据保存的通话记录获取各用户的所述呼入记录或所述呼出记录。

4.根据权利要求3所述的方法，其特征在于，所述基于MapReduce机制，根据保存的通话记录获取各用户的呼入记录或呼出记录包括：

将所述各用户的通话记录拆分成文件集；

设置文件集中各文件对应的第一列为Key值，设置第二列为Value值；或设置第一列为Value值，设置第二列为Key值；

将具有相同Value值的所有Key值进行字符串连接，生成对应的输出集。

5.根据权利要求1所述的方法，其特征在于，所述采样用户和互拨好友的共同打出可能性为：

6.一种识别骚扰电话的装置，其特征在于，至少包括：

获取模块，用于获取预设时间内各用户的呼入记录和呼出记录；获得模块，用于根据获得的呼入记录和呼出记录获得采样用户的互拨好友；

计算模块，用于根据采样用户的呼出记录和互拨好友的呼出记录计算采样用户和互拨好友的共同打出可能性；

判断模块，用于根据计算得到的共同打出可能性和采样用户的呼出记录数判断所述采样用户拨打的电话是否为骚扰电话；

其中，所述采样用户和互拨好友的共同打出具体包括：共同拨打电话到同一号码；所述互拨好友具体包括：所有的互拨好友。

7.根据权利要求6所述的装置，其特征在于，所述判断模块，具体用于：

当所述计算得到的共同打出可能性小于或等于打出可能性阈值，且所述采样用户的呼出记录数大于或等于记录数阈值时，判断出所述采样用户拨打的电话为嫌疑骚扰电话；

在所述预设时间内更新数据，当所述采样用户拨打的电话被标记为嫌疑骚扰电话的次数大于或等于预设次数时，判断出所述采样用户拨打的电话为嫌疑骚扰电话。

8.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于：

保存预设时间内各用户的通话记录；基于MapReduce机制，根据保存的通话记录获取各用户的所述呼入记录或所述呼出记录。

9.根据权利要求8所述的装置，其特征在于，所述获取模块，具体用于：

将所述各用户的通话记录拆分成文件集；

设置文件集中各文件对应的第一列为Key值，设置第二列为Value值；或设置第一列为Value值，设置第二列为Key值；

将具有相同Value值的所有Key值进行字符串连接，生成对应的输出集。

10.根据权利要求6所述的装置，其特征在于，所述计算模块，具体用于：

根据公式计算所述采样用户和互拨好友的共同打出可能性。