CN106911845A - 来电提醒方法及装置 - Google Patents

Abstract

本公开是关于一种来电提醒方法及装置，属于通信技术领域。所述方法包括：对可疑来电接通时产生的语音进行语音识别，得到文本信息，所述可疑来电基于云端识别确定；采用来电类型分类模型，确定所述文本信息的来电类型，所述来电类型至少包括正常来电和异常来电，所述来电类型分类模型根据多个正常来电样本和多个异常来电样本创建；若所述文本信息对应的来电类型为异常来电，则进行提醒。本公开通过对可疑来电接通时产生的语音进行语音识别，得到文本信息，进一步根据文本信息的来电类型决定是否提醒可疑来电当前已经接通，提高了终端的安全性。

Description

来电提醒方法及装置

技术领域

本公开涉及通信技术领域，特别涉及一种来电提醒方法及装置。

背景技术

目前，电信诈骗的诈骗手段主要是作案者冒充国家机关单位的工作人员进行诈骗。例如，作案者冒充电信局、公安局等国家机关单位的工作人员，给受害者拨打电话，在通话中以受害者电话欠费、没收受害人所有银行存款等进行恐吓威胁，以此骗取受害人汇转资金。由于电信诈骗作案者在作案时会随机拨打电话，使得无法确定受害者的群体，造成老年人或者未成年人等防范意识较低的群体上当受骗的几率较高。为了避免防范意识较低的群体上当受骗，因此，终端提供来电识别技术，通过对来电的电话号码进行云端识别，判断来电是否为诈骗来电，以便对用户进行来电提醒。

相关技术中，以对诈骗号码的识别为例，终端会识别来电的电话号码，判断电话号码是否与云端数据库中被标记的至少一个诈骗号码中的某一个诈骗号码一致。若电话号码与云端数据库中被标记的至少一个诈骗号码中的一个诈骗号码一致，则确定来电为可疑来电，将来电的电话号码标记为可疑来电展示给用户，以便对用户进行来电提醒。

在实现本公开的过程中，发明人发现相关技术至少存在以下问题：

老年人或者未成年人等防范意识较低的群体可能疏忽终端的来电提醒，忽视了终端对来电的电话号码所做的标记，因此很可能接通被识别为可疑来电的当前来电，而上当受骗，导致终端的安全性较低。

发明内容

为克服相关技术中存在的问题，本公开提供一种来电提醒方法及装置。

根据本公开实施例的第一方面，提供一种来电提醒方法，所述方法包括：

对可疑来电接通时产生的语音进行语音识别，得到文本信息，所述可疑来电基于云端识别确定；

采用来电类型分类模型，确定所述文本信息的来电类型，所述来电类型至少包括正常来电和异常来电，所述来电类型分类模型根据多个正常来电样本和多个异常来电样本创建；

若所述文本信息的来电类型为异常来电，则进行提醒。

本公开实施例提供的方法，终端对可疑来电接通时产生的语音进行语音识别，得到文本信息，采用来电类型分类模型，确定文本信息的来电类型，若文本信息对应的来电类型为异常来电，则进行提醒。本公开通过对可疑来电接通时产生的语音进行语音识别，得到文本信息，判断文本信息的来电类型决定是否提醒指定联系人可疑来电已经接通，使得指定联系人可以获知可疑来电是否已经接通，提高了终端的安全性。

在另一个实施例中，所述若所述文本信息对应的来电类型为异常来电，则进行提醒包括：

生成提醒消息，所述提醒消息用于指示当前终端接收到可疑来电；

将所述提醒消息发送至目标终端，所述目标终端为所述当前终端上预先设置的指定联系人联系方式所指示的终端，以使所述目标终端对所述提醒消息进行展示。

本公开实施例提供的方法，通过生成提醒消息，并将提醒消息发送至当前终端上预先设置的指定联系人联系方式所指示的终端，以使目标终端对提醒消息进行展示，可以使指定联系人及时知晓持有当前终端的用户已接通可疑来电，提高了安全性。

在另一个实施例中，所述生成提醒消息包括：

基于录音文件，生成第一提醒消息，所述第一提醒消息携带所述录音文件，所述录音文件为对所述可疑来电接通时产生的语音进行录制得到；

或，

基于所述文本信息和所述文本信息的来电类型中的至少一项，生成第二提醒消息，所述第二提醒消息携带所述文本信息和所述文本信息的来电类型中的至少一项。

本公开实施例提供的方法，一方面，终端基于录音文件，生成第一提醒消息，使得第一提醒消息携带录音文件，当指定联系人接收到第一提醒消息时可以根据录音文件再次进行判断是否为可疑来电；另一方面，终端基于文本信息和文本信息的来电类型中的至少一项，生成第二提醒消息，使得第二提醒消息携带文本信息和文本信息的来电类型中的至少一项，当指定联系人接收到第二提醒消息时可以根据文本信息或文本信息的来电类型再次进行判断是否为可疑来电，使得判断更加准确。

在另一个实施例中，所述对可疑来电接通时产生的语音进行语音识别，得到文本信息之前，所述方法还包括：

基于当前来电的来电号码，在所述云端数据库中查找是否存在与所述来电号码一致的可疑号码，所述云端数据库包括至少一个可疑号码；

若所述云端数据库中存在与所述来电号码一致的可疑号码，则将所述当前来电确定为可疑来电；

若所述云端数据库中不存在与所述来电号码一致的可疑号码，则将所述当前来电确定为正常来电。

本公开实施例提供的方法，基于当前来电的来电号码，在云端数据库中查找是否存在与来电号码一致的可疑号码，判断当前来电是否为可疑来电，保证在对可疑来电接通时产生的语音进行语音识别，得到文本信息之前还会进行来电号码的判断，提高了安全性。

在另一个实施例中，所述采用来电类型分类模型，确定所述文本信息的来电类型之前，所述方法还包括：

分别提取所述多个正常来电样本和多个异常来电样本的文本关键词；

采用分类算法对所述多个正常来电样本和多个异常来电样本的文本关键词进行模型训练，得到所述来电类型分类模型。

本公开实施例提供的方法，提取多个正常来电样本和多个异常来电样本的文本关键词，采用分类算法对多个正常来电样本和多个异常来电样本的关键词进行模型训练，得到来电模型分类模型，可以实现对可疑来电接通时产生的语音进行语音识别，得到的文本信息进行分类，提高了判断当前来电是否为可疑来电的准确性。

根据本公开实施例的第二方面，提供一种来电提醒装置，所述装置包括：

识别模块，被配置为对可疑来电接通时产生的语音进行语音识别，得到文本信息，所述可疑来电基于云端识别确定；

第一确定模块，被配置为采用来电类型分类模型，确定所述文本信息的来电类型，所述来电类型至少包括正常来电和异常来电，所述来电类型分类模型根据多个正常来电样本和多个异常来电样本创建；

提醒模块，被配置为若所述文本信息的来电类型为异常来电，则进行提醒。

本公开实施例提供的装置，终端对可疑来电接通时产生的语音进行语音识别，得到文本信息，采用来电类型分类模型，确定文本信息的来电类型，若文本信息对应的来电类型为异常来电，则进行提醒。本公开通过对可疑来电接通时产生的语音进行语音识别，得到文本信息，判断文本信息的来电类型决定是否提醒指定联系人可疑来电已经接通，使得指定联系人可以获知可疑来电是否已经接通，提高了终端的安全性。

在另一个实施例中，所述提醒模块，包括：

生成子模块，被配置为生成提醒消息，所述提醒消息用于指示当前终端接收到可疑来电；

发送子模块，被配置为将所述提醒消息发送至目标终端，所述目标终端为所述当前终端上预先设置的指定联系人联系方式所指示的终端，以使所述目标终端对所述提醒消息进行展示。

在另一个实施例中，所述生成子模块，被配置为基于录音文件，生成第一提醒消息，所述第一提醒消息携带所述录音文件，所述录音文件为对所述可疑来电接通时产生的语音进行录制得到；或，基于所述文本信息和所述文本信息的来电类型中的至少一项，生成第二提醒消息，所述第二提醒消息携带所述文本信息和所述文本信息的来电类型中的至少一项。

在另一个实施例中，所述装置还包括：

查找模块，被配置为基于当前来电的来电号码，在所述云端数据库中查找是否存在与所述来电号码一致的可疑号码，所述云端数据库包括至少一个可疑号码；

第二确定模块，被配置为若所述云端数据库中存在与所述来电号码一致的可疑号码，则将所述当前来电确定为可疑来电；

所述第二确定模块，还被配置为若所述云端数据库中不存在与所述来电号码一致的可疑号码，则将所述当前来电确定为正常来电。

在另一个实施例中，所述装置还包括：

提取模块，被配置为分别提取所述多个正常来电样本和多个异常来电样本的文本关键词；

训练模块，被配置为采用分类算法对所述多个正常来电样本和多个异常来电样本的文本关键词进行模型训练，得到所述来电类型分类模型。

根据本公开实施例的第三方面，提供一种来电提醒装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：对可疑来电接通时产生的语音进行语音识别，得到文本信息，所述可疑来电基于云端识别确定；采用来电类型分类模型，确定所述文本信息的来电类型，所述来电类型至少包括正常来电和异常来电，所述来电类型分类模型根据多个正常来电样本和多个异常来电样本创建；若所述文本信息的来电类型为异常来电，则进行提醒。

本公开实施例提供的装置，终端对可疑来电接通时产生的语音进行语音识别，得到文本信息，采用来电类型分类模型，确定文本信息的来电类型，若文本信息对应的来电类型为异常来电，则进行提醒。本公开通过对可疑来电接通时产生的语音进行语音识别，得到文本信息，判断文本信息的来电类型决定是否提醒指定联系人可疑来电已经接通，使得指定联系人可以获知可疑来电是否已经接通，提高了终端的安全性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种来电识别方法的流程图。

图2是根据一示例性实施例示出的一种来电识别方法的流程图。

图3A是根据一示例性实施例示出的一种来电识别装置的框图。

图3B是根据一示例性实施例示出的一种来电识别装置的框图。

图3C是根据一示例性实施例示出的一种来电识别装置的框图。

图3D是根据一示例性实施例示出的一种来电识别装置的框图。

图4是根据一示例性实施例示出的一种来电识别装置400的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种来电识别方法的流程图，如图1所示，该方法包括以下步骤。

在步骤101中，对可疑来电接通时产生的语音进行语音识别，得到文本信息，可疑来电基于云端识别确定。

在步骤102中，采用来电类型分类模型，确定文本信息的来电类型，来电类型至少包括正常来电和异常来电，来电类型分类模型根据多个正常来电样本和多个异常来电样本创建。

在步骤103中，若文本信息的来电类型为异常来电，则进行提醒。

本公开实施例提供的方法，终端对可疑来电接通时产生的语音进行语音识别，得到文本信息，采用来电类型分类模型，确定文本信息的来电类型，若文本信息对应的来电类型为异常来电，则进行提醒。本公开通过对可疑来电接通时产生的语音进行语音识别，得到文本信息，进一步根据文本信息的来电类型决定是否提醒可疑来电当前已经接通，提高了终端的安全性。

在另一个实施例中，若文本信息的来电类型为异常来电，则进行提醒包括：

生成提醒消息，提醒消息用于指示当前终端接收到可疑来电；

将提醒消息发送至目标终端，目标终端为当前终端上预先设置的指定联系人联系方式所指示的终端，以使目标终端对提醒消息进行展示。

在另一个实施例中，生成提醒消息包括：

基于录音文件，生成第一提醒消息，第一提醒消息携带录音文件，录音文件为对可疑来电接通时产生的语音进行录制得到；

或，

基于文本信息和文本信息的来电类型中的至少一项，生成第二提醒消息，第二提醒消息携带文本信息和文本信息的来电类型中的至少一项。

在另一个实施例中，对可疑来电接通时产生的语音进行语音识别，得到文本信息之前，该方法还包括：

基于当前来电的来电号码，在云端数据库中查找是否存在与来电号码一致的可疑号码，云端数据库包括至少一个可疑号码；

若云端数据库中存在与来电号码一致的可疑号码，则将当前来电确定为可疑来电；

若云端数据库中不存在与来电号码一致的可疑号码，则将当前来电确定为正常来电。

在另一个实施例中，采用来电类型分类模型，确定文本信息的来电类型之前，该方法还包括：

分别提取多个正常来电样本和多个异常来电样本的文本关键词；

采用分类算法对多个正常来电样本和多个异常来电样本的文本关键词进行模型训练，得到来电类型分类模型。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

图2是根据一示例性实施例示出的一种来电识别方法的流程图，如图2所示，该方法包括以下步骤。

在步骤201中，基于当前来电的来电号码，在云端数据库中查找是否存在与来电号码一致的可疑号码，若云端数据库中不存在与来电号码一致的可疑号码，则执行下述步骤202；若云端数据库中存在与来电号码一致的可疑号码，则执行下述步骤203。

在本公开实施例中，云端数据库中包括由至少一个用户标记的至少一个诈骗号码。当终端接收到当前来电时，便读取当前来电的来电号码，将读取到的来电号码发送至服务器，由服务器在云端数据库中查找是否存在与当前来电的 来电号码一致的诈骗号码，若服务器未在云端数据库中查询到当前来电的来电号码，则生成查询失败消息，将查询失败消息发送至终端，以告知终端未在云端数据库中查询到当前来电的来电号码；终端在接收到查询失败消息后，将当前来电确定为正常来电；若服务器在云端数据库中查询到当前来电的来电号码，则生成查询成功消息，将查询成功消息发送至终端，以告知终端云端数据库中存储有当前来电的来电号码；终端在接收到查询成功消息后，将当前来电确定为可疑来电。

其中，在云端数据库中添加由至少一个用户标记的至少一个可疑号码时，可以采取下述方法实现：对于至少一个用户中每个用户所持的终端，在接收到当前来电时，当检测到用户的确认接听操作后，终端将当前来电接通，并在检测到用户的确认挂断操作后，将当前来电挂断，同时显示来电号码标记页面。在来电号码标记页面，用户可以根据与当前来电的通话内容对当前来电的来电号码进行标记，并由终端将标记后的来电号码上传至云端数据库进行存储。由于对于同一个来电号码，可能被多个用户多次标记，因此云端数据库可以记录同一个来电号码被标记的标记次数，将标记次数与来电号码对应存储。

其中，可以采用打号码标签的方法实现用户对来电号码进行标记，该号码标签用于指示来电号码的来电类型，例如该号码标签可以包括正常来电、诈骗来电、推销来电等。终端可在来电号码标记页面提供号码标签或标签输入框，基于用户选择的号码标签或在标签输入框输入的号码标签，对来电号码进行标记。由于对于同一个来电号码，可能被多个用户标记过不同的号码标签，因此，云端数据库可以记录来电号码被用户标记过的全部号码标签，这样，当检测到来电号码在之前已经被标记过，则在该来电号码本次被标记的号码标签对应的次数上增加数值1。需要说明的是，对于正常来电，用户可以选择为正常来电标记正常来电的号码标签，也可以选择不标记，对于正常来电，由于其在后续判断当前来电是否为诈骗来电时不具有意义，因此云端数据库可以不对其进行存储。

云端数据库在存储被标记的来电号码时，可维护一个如表1所示的号码标签列表，将来电号码、号码标签和标记次数对应存储。

表1

上述表1所示的记录形式为分别记录来电号码被标记的不同号码标签的次数，进一步地，还可以计算来电号码被标记的不同号码标签的次数的总和，将总和记录至号码标签列表中，本公开对此不进行具体限定。

需要说明的是，可疑来电中可能包括诈骗来电、推销来电等，对于老年人或未成年人等防范意识较低的群体，推销来电也可能导致其财物的损失，因此将推销来电也作为可疑来电进行处理。上述描述的基于当前来电的来电号码，在云端数据库中查找是否存在与来电号码一致的可以号码的过程为终端基于服务器实现的，也即需要终端将当前来电的来电号码发送至服务器才可以进行查找，而在实际应用的过程中，终端也可在服务器中下载云端数据库，将云端数据库保存在本地，并定时在服务器中下载云端数据库的更新数据，保证本地的云端数据库与服务器的云端数据库保持数据同步，并基于当前来电的来电号码，在本地的云端数据库中查找是否存在与来电号码一致的可疑号码，完成上述过程。

由于若根据云端数据库中包括的至少一个可疑号码确定当前来电为可疑来电，并对当前终端的用户进行提醒时，用户可能由于疏忽而错过或者忘记该提醒，这样便可能将可疑来电接通，导致依旧存在可能上当受骗的风险，因此可以执行下述步骤203。

在步骤202中，若云端数据库中不存在与来电号码一致的可疑号码，则将当前来电确定为正常来电，结束。

在本公开实施例中，若查询云端数据库中的号码标签列表后，确定号码标签列表中不存在与当前来电的来电号码一致的可疑号码，则将当前来电确定为正常来电，正常接听当前来电。

在步骤203中，若云端数据库中存在与来电号码一致的可疑号码，则将当前来电确定为可疑来电，对可疑来电接通时产生的语音进行语音识别，得到文本信息。

在本公开实施例中，为了获知当前来电的通话内容，以便后续进一步判断 可疑来电是否可能使用户上当受骗，因此当确定当前来电为可疑来电后，终端对可疑来电接通时产生的语音进行语音识别。在进行语音识别时，首先可以将可疑来电接通时产生的语音进行拆分，将语音拆分为多个读音；之后，基于多个读音中的每个读音在预先设置的模板中确定该读音对应的预设文字，将预设文字按照多个语音在语音中的顺序进行排列，得到多个与语音的内容一致的句子；最后，基于语音，将多个句子进行排列，得到与语音的内容一致的文本信息，实现对语音的语音识别。

需要说明的是，在进行语音识别时，可以对语音进行实时识别，得到文本信息；也可以先对语音进行录音，得到录音文件，再对录音文件进行语音识别，得到文本信息。其中，对录音文件进行语音识别得到文本信息的过程与上述实时识别得到文本信息的过程一致，此处不再进行赘述。

在步骤204中，采用来电类型分类模型，确定文本信息的来电类型，若文本信息的来电类型为正常来电，则执行下述步骤205；若文本信息的来电类型为异常来电，则执行下述步骤206。

在本公开实施例中，来电类型分类模型根据多个正常来电样本和多个异常来电样本创建。在采用来电类型分类模型，确定文本信息的来电类型时，可以先将文本信息拆分为多个句子，提取句子中的第一关键词，同时获取来电类型分类模型中多个第二关键词；之后，将第一关键词与多个第二关键词进行比对，计算第一关键词与多个第二关键词之间的相似度，选取计算得到的相似度大于等于相似度阈值的指定第二关键词，将指定第二关键词对应的来电类型作为文本信息的来电类型。

其中，在计算第一关键词与第二关键词之间的相似度时，可以统计第一关键词与第二关键词之间相同汉字的个数，计算相同汉字的个数在第一关键词包括汉字的个数中所占的比重，将计算得到的比重作为第一关键词与第二关键词之间的相似度。需要说明的是，在确定文本信息时，还可以采用朴素贝叶斯算法、Knn(K-Nearest Neighbor algorithm，K最邻近节点算法)算法、决策树算法、神经网络算法和SVM(Support Vector Machine，支持向量机)算法等算法确定，本公开对此不进行具体限定。

在采用来电类型分类模型之前，需要建立来电类型分类模型，具体建立来电类型分类模型的过程如下述步骤一和步骤二所示。

步骤一、分别提取多个正常来电样本和多个异常来电样本的文本关键词。

其中，在收集正常来电样本和异常来电样本时，可以统计多个终端在预设天数内接到的可疑来电作为来电样本，基于来电样本的文本特征将来电样本分为正常来电样本和异常来电样本。在确定来电样本的文本特征时，可以获取可疑来电中出现的句子，将预设天数内接到的可疑来电中的出现的句子作为来电样本。在确定文本特征时，可以提取来电样本中的关键词，统计关键词在来电样本中的出现次数，将出现次数大于次数阈值的关键词所在的来电样本的文本特征设置为异常来电；将出现次数小于次数阈值的关键词所在的来电样本的文本特征设置为正常来电。需要说明的是，在设置来电样本的文本特征时，还可以参考关键词的含义，将诸如犯罪、逮捕等敏感的关键词所在的来电样本的文本特征也设置为异常来电。

例如，设置预设天数为3天，次数阈值为2次，统计3天内接到的诈骗电话中出现的句子分别为

“我是邮政局的，您有一个从检察院的挂号单没接收到”、

“您涉及到犯罪团伙的活动”、

“请向卡号62220234000213xxxxx汇款”、

“请问您的身份证号码是多少”、

“请问您汇款了吗？”、

“如果您在规定时间内未汇款，我们将冻结您的账户”、

“有人用您的名义申请了商业用电”，

则将上述七个句子作为来电样本，分别提取上述七个句子中的关键词，可以得到七个与句子对应的关键词分别为“挂号单”、“犯罪团伙”“汇款”、“身份证号码”、“汇款”、“汇款”和“名义”。

对于上述七个关键词中的“汇款”，其出现次数为3次，大于次数阈值，因此，将来电样本“请向卡号62220234000213xxxxx汇款”、“请问您汇款了吗？”和“如果您在在规定时间内未汇款，我们将冻结您的账户”的文本特征设置为异常来电；

对于上述七个关键词中的“犯罪团伙”，由于其包括敏感字“犯罪”，因此，将关键词“犯罪团伙”所在的来电样本“您涉及到犯罪团伙的活动”的文本特征设置为异常来电；

对于上述七个关键词中的“挂号单”、“身份证号码”和“名义”，由于其出现次小于次数阈值，且不包括敏感字，因此，将关键词“挂号单”、“身份证号码”和“名义”所在的来电样本“我是邮政局的，您有一个从检察院的挂号单没接收到”、“请问您的身份证号码是多少”和“有人用您的名义申请了商业用电”的文本特征设置为正常来电。

其中，对于每个来电样本，均存在与其对应的文本特征，因此，可根据文本特征对来电样本进行分类。由于文本特征包括正常来电和异常来电，因此，可将文本特征相同的来电样本归为一类，将来电样本分为两类，一类为正常来电样本，另一类为异常来电样本。

需要说明的是，上述的来电样本为统计多个终端在预设天数内接到的可疑来电得到的，而在实际应用的过程中，上述来电样本也可以为管理员编辑得到的。管理员可以根据经验积累，设想可疑来电中可能产生的通话内容，编辑得到来电样本。本公开对获取来电样本的方式不进行具体限定。

步骤二、采用分类算法对多个正常来电样本和多个异常来电样本的文本关键词进行模型训练，得到来电类型分类模型。

其中，在确定正常来电样本和异常来电样本后，终端或服务器便可基于正常来电样本和异常来电样本生成来电类型分类模型。而且，终端或服务器会持续统计在预设天数内接到的可疑来电，收集正常来电样本和异常来电样本，并持续对来电类型分类模型进行训练，以使来电类型分类模型更加完善。其中，若来电类型分类模型由服务器通过训练生成并进行更新，则终端在后续采用来电类型分类模型确定文本信息的来电类型时，可以先从服务器中下载来电类型分类模型，再确定文本信息的来电类型。

在本公开实施例中，若文本信息的来电类型为正常来电，则可以确定可疑来电为正常来电；若文本信息的来电类型为异常来电，则可以确定可疑来电为异常来电。

在步骤205中，若文本信息的来电类型为正常来电，则删除文本信息。

在本公开实施例中，若文本信息的来电类型为正常来电，则确定可疑来电为正常来电，可以将语音识别得到的文本信息删除。

需要说明的是，若在进行语音识别时，采用实时识别的方式进行识别得到文本信息，则可直接将文本信息删除；若在进行语音识别时，采用录音的方式 先得到录音文件，再对录音文件进行语音识别，得到文本信息，则可将录音文件和文本信息均删除。

在步骤206中，若文本信息的来电类型为异常来电，则生成提醒消息，将提醒消息发送至当前终端上预先设置的指定联系人联系方式所指示的目标终端，以使目标终端对提醒消息进行展示。

在本公开实施例中，提醒消息用于指示当前终端接收到诈骗来电。

为了在检测到可疑来电接通时，可以提醒指定联系人当前可疑来电已经接通，避免持有当前终端的用户上当受骗，因此可在当前终端上设置指定联系人的联系方式。在设置指定联系人联系方式时，当前终端可以设置指定联系人联系方式设置入口，当检测到用户点击进入指定联系人联系方式设置入口时，显示指定联系人姓名输入框和指定联系人联系方式输入框，获取用户在指定联系人姓名输入框输入的指定联系人姓名和在指定联系人联系方式输入框输入的指定联系人联系方式，将指定联系人姓名与指定联系人联系方式对应存储。

其中，终端可以维护一个如表2所示的指定联系人联系方式列表，将指定联系人姓名与指定联系人联系方式对应存储至指定联系人联系方式列表中。

表2

指定联系人姓名	指定联系人联系方式
		张三	1884267xxxx
李四	1864262xxxx
		王二	1384067xxxx
…	…

进一步地，用户可以设置向全部指定联系人发送提醒消息或向部分指定联系人发送提醒消息。若用户设置向部分间忽然发送提醒消息，则可在指定联系人姓名输入框后增加级别设置框，通过级别设置框设置每个指定联系人的优先级。这样，当文本信息对应的来电类型为异常来电时，也即文本信息的来电类型为异常来电，则可以确定可疑来电为异常来电，终端根据用户设置的优先级由高到低的顺序向指定联系人发送提醒消息。

其中，生成提醒消息时，可以采取下述两种方式中的任一种方式生成：

方式一、基于录音文件，生成第一提醒消息，第一提醒消息携带录音文件，录音文件为对可疑来电接通时产生的语音进行录制得到。

其中，若在进行语音识别时，采用录音的方式先得到录音文件，再对录音文件进行语音识别，得到文本信息，则在生成第一提醒消息时，可以读取录音文件，将录音文件嵌入第一提醒消息中，并将第一提醒消息发送至目标终端，以使目标终端的用户可以根据第一提醒消息中携带的录音文件对可疑来电再次进行判断。

方式二、基于文本信息和文本信息的来电类型中的至少一项，生成第二提醒消息，第二提醒消息携带文本信息和文本信息的来电类型中的至少一项。

其中，若在进行语音识别时，采用实时识别的方式进行识别得到文本信息，则在生成第二提醒消息时，可以读取文本信息或者文本信息的来电类型，将文本信息或文本信息的来电类型中的至少一项嵌入第二提醒消息中，并将第二提醒消息发送至目标终端，以使目标终端的用户可以根据第二提醒消息中携带的文本信息或者文本信息的来电类型对可疑来电再次进行判断。

进一步的，当确定文本信息的来电类型为异常来电时，终端还可以基于自身对当前持有终端的用户进行提醒，以使该用户知晓当前来电为可疑来电。其中，终端在基于自身提醒时，可以采取振动或语音的方式进行提醒。若终端采取振动的方式进行提醒，则可以在确定文本信息的来电类型为异常来电后，开始振动，可以振动预设次数或预设时长，还可以持续进行振动，直至检测到用户将当前来电挂断，进而停止振动。若终端采取语音的方式进行提醒，则需要在预置提醒语音；当确定文本信息的来电类型为异常来电后，开始播报提醒语音，可以播报预设次数的提醒语音，还可以持续进行播报，直至检测到用户将当前来电挂断，进而停止播报。

本公开实施例提供的方法，终端对可疑来电接通时产生的语音进行语音识别，得到文本信息，采用来电类型分类模型，确定文本信息的来电类型，若文本信息对应的来电类型为异常来电，则进行提醒。本公开通过对可疑来电接通时产生的语音进行语音识别，得到文本信息，进一步根据文本信息的来电类型决定是否提醒可疑来电当前已经接通，提高了终端的安全性。

在另一个实施例中，通过生成提醒消息，并将提醒消息发送至当前终端上预先设置的指定联系人联系方式所指示的终端，以使目标终端对提醒消息进行展示，可以使指定联系人及时知晓持有当前终端的用户已接通可疑电话，提高了安全性。

在另一个实施例中，一方面，终端基于录音文件，生成第一提醒消息，使得第一提醒消息携带录音文件，当指定联系人接收到第一提醒消息时可以根据录音文件再次进行判断是否为可疑来电；另一方面，终端基于文本信息和文本信息的来电类型中的至少一项，生成第二提醒消息，使得第二提醒消息携带文本信息和文本信息的来电类型中的至少一项，当指定联系人接收到第二提醒消息时可以根据文本信息或文本信息的来电类型再次进行判断是否为可疑来电，使得判断更加准确。

在另一个实施例中，基于当前来电的来电号码，在云端数据库中查找是否存在与来电号码一致的可疑号码，判断当前来电是否为可疑来电，保证在对可疑来电接通时产生的语音进行语音识别，得到文本信息之前还会进行来电号码的判断，提高了安全性。

在另一个实施例中，多个正常来电样本和多个异常来电样本的文本关键词，采用分类算法对多个正常来电样本和多个异常来电样本的关键词进行模型训练，得到来电模型分类模型，可以实现对可疑来电接通时产生的语音进行语音识别，得到的文本信息进行分类，提高了判断当前来电是否为可疑来电的准确性。

图3A是根据一示例性实施例示出的一种来电提醒装置的框图。参照图3A，该装置包括识别模块301，第一确定模块302和提醒模块303。

该识别模块301，被配置为对可疑来电接通时产生的语音进行语音识别，得到文本信息，可疑来电基于云端识别确定；

该第一确定模块302，被配置为采用来电类型分类模型，确定文本信息的来电类型，来电类型至少包括正常来电和异常来电，来电类型分类模型根据多个正常来电样本和多个异常来电样本创建；

该提醒模块303，被配置为若文本信息的来电类型为异常来电，则进行提醒。

本公开实施例提供的装置，终端对可疑来电接通时产生的语音进行语音识别，得到文本信息，采用来电类型分类模型，确定文本信息的来电类型，若文本信息对应的来电类型为异常来电，则进行提醒。本公开通过对可疑来电接通时产生的语音进行语音识别，得到文本信息，进一步根据文本信息的来电类型决定是否提醒可疑来电当前已经接通，提高了终端的安全性。

在另一个实施例中，参见图3B，该提醒模块303，包括生成子模块3031和发送子模块3032。

该生成子模块3031，被配置为生成提醒消息，提醒消息用于指示当前终端接收到可疑来电；

该发送子模块3032，被配置为将提醒消息发送至目标终端，目标终端为当前终端上预先设置的指定联系人联系方式所指示的终端，以使目标终端对提醒消息进行展示。

在另一个实施例中，该生成子模块3032，被配置为基于录音文件，生成第一提醒消息，第一提醒消息携带录音文件，录音文件为对可疑来电接通时产生的语音进行录制得到；或，基于文本信息和文本信息的来电类型中的至少一项，生成第二提醒消息，第二提醒消息携带文本信息和文本信息的来电类型中的至少一项。

在另一个实施例中，参见图3C，该装置还包括查找模块304和第二确定模块305。

该查找模块304，被配置为基于当前来电的来电号码，在云端数据库中查找是否存在与来电号码一致的可疑号码，云端数据库包括至少一个可疑号码；

该第二确定模块305，被配置为若云端数据库中存在与来电号码一致的可疑号码，则将当前来电确定为可疑来电；

该第二确定模块305，还被配置为若云端数据库中不存在与来电号码一致的可疑号码，则将当前来电确定为正常来电。

在另一个实施例中，参见图3D，该装置还包括提取模块306和训练模块307。

该提取模块306，被配置为分别提取多个正常来电样本和多个异常来电样本的文本关键词；

该训练模块307，被配置为采用分类算法对多个正常来电样本和多个异常来电样本的文本关键词进行模型训练，得到来电类型分类模型。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图4是根据一示例性实施例示出的一种来电识别装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制 台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，I/O(Input/Output，输入/输出)的接口412，传感器组件414，以及通信组件416。

处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如SRAM(Static Random Access Memory,静态随机存取存储器)，EEPROM(Electrically-Erasable Programmable Read-Only Memory,电可擦除可编程只读存储器)，EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)，PROM(Programmable Read-Only Memory,可编程只读存储器)，ROM(Read-Only Memory,只读存储器)，磁存储器，快闪存储器，磁盘或光盘。

电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。

多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括LCD(Liquid Crystal Display，液晶显示器)和TP(TouchPanel，触摸面板)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接 收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个MIC(Microphone,麦克风)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS(Complementary Metal OxideSemiconductor，互补金属氧化物)或CCD(Charge-coupled Device，电荷耦合元件)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括NFC(Near Field Communication,近场通信)模块，以促进短程通信。例如，在NFC模块可基于RFID(Radio FrequencyIdentification,射频识别)技术，IrDA(Infra-red Data Association,红外数据协会)技术，UWB(Ultra Wideband,超宽带)技术，BT(Bluetooth,蓝牙)技术和其他技术来实现。

在示例性实施例中，装置400可以被一个或多个ASIC(Application SpecificIntegrated Circuit,应用专用集成电路)、DSP(Digital signal Processor,数字信号处理器)、DSPD(Digital signal Processor Device，数字信号处理设备)、PLD(ProgrammableLogic Device,可编程逻辑器件)、FPGA)(Field Programmable Gate Array,现场可编程门阵列)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述来电识别方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器)、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由来电识别装置的处理器执行时，使得来电识别装置能够执行上述来电识别方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (11)

1.一种来电提醒方法，其特征在于，所述方法包括：

对可疑来电接通时产生的语音进行语音识别，得到文本信息，所述可疑来电基于云端识别确定；

采用来电类型分类模型，确定所述文本信息的来电类型，所述来电类型至少包括正常来电和异常来电，所述来电类型分类模型根据多个正常来电样本和多个异常来电样本创建；

若所述文本信息的来电类型为异常来电，则进行提醒。

2.根据权利要求1所述的方法，其特征在于，所述若所述文本信息的来电类型为异常来电，则进行提醒包括：

生成提醒消息，所述提醒消息用于指示当前终端接收到可疑来电；

将所述提醒消息发送至目标终端，所述目标终端为所述当前终端上预先设置的指定联系人联系方式所指示的终端，以使所述目标终端对所述提醒消息进行展示。

3.根据权利要求2所述的方法，其特征在于，所述生成提醒消息包括：

基于录音文件，生成第一提醒消息，所述第一提醒消息携带所述录音文件，所述录音文件为对所述可疑来电接通时产生的语音进行录制得到；

或，

基于所述文本信息和所述文本信息的来电类型中的至少一项，生成第二提醒消息，所述第二提醒消息携带所述文本信息和所述文本信息的来电类型中的至少一项。

4.根据权利要求1所述的方法，其特征在于，所述对可疑来电接通时产生的语音进行语音识别，得到文本信息之前，所述方法还包括：

基于当前来电的来电号码，在云端数据库中查找是否存在与所述来电号码一致的可疑号码，所述云端数据库包括至少一个可疑号码；

若所述云端数据库中存在与所述来电号码一致的可疑号码，则将所述当前来电确定为可疑来电；

若所述云端数据库中不存在与所述来电号码一致的可疑号码，则将所述当前来电确定为正常来电。

5.根据权利要求1所述的方法，其特征在于，所述采用来电类型分类模型，确定所述文本信息的来电类型之前，所述方法还包括：

分别提取所述多个正常来电样本和多个异常来电样本的文本关键词；

采用分类算法对所述多个正常来电样本和多个异常来电样本的文本关键词进行模型训练，得到所述来电类型分类模型。

6.一种来电提醒装置，其特征在于，所述装置包括：

识别模块，被配置为对可疑来电接通时产生的语音进行语音识别，得到文本信息，所述可疑来电基于云端识别确定；

第一确定模块，被配置为采用来电类型分类模型，确定所述文本信息的来电类型，所述来电类型至少包括正常来电和异常来电，所述来电类型分类模型根据多个正常来电样本和多个异常来电样本创建；

提醒模块，被配置为若所述文本信息的来电类型为异常来电，则进行提醒。

7.根据权利要求6所述的装置，其特征在于，所述提醒模块，包括：

生成子模块，被配置为生成提醒消息，所述提醒消息用于指示当前终端接收到可疑来电；

发送子模块，被配置为将所述提醒消息发送至目标终端，所述目标终端为所述当前终端上预先设置的指定联系人联系方式所指示的终端，以使所述目标终端对所述提醒消息进行展示。

8.根据权利要求7所述的装置，其特征在于，所述生成子模块，被配置为基于录音文件，生成第一提醒消息，所述第一提醒消息携带所述录音文件，所述录音文件为对所述可疑来电接通时产生的语音进行录制得到；或，基于所述文本信息和所述文本信息的来电类型中的至少一项，生成第二提醒消息，所述第二提醒消息携带所述文本信息和所述文本信息的来电类型中的至少一项。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

查找模块，被配置为基于当前来电的来电号码，在所述云端数据库中查找是否存在与所述来电号码一致的可疑号码，所述云端数据库包括至少一个可疑号码；

第二确定模块，被配置为若所述云端数据库中存在与所述来电号码一致的可疑号码，则将所述当前来电确定为可疑来电；

所述第二确定模块，还被配置为若所述云端数据库中不存在与所述来电号码一致的可疑号码，则将所述当前来电确定为正常来电。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

提取模块，被配置为分别提取所述多个正常来电样本和多个异常来电样本的文本关键词；

训练模块，被配置为采用分类算法对所述多个正常来电样本和多个异常来电样本的文本关键词进行模型训练，得到所述来电类型分类模型。

11.一种来电提醒装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：对可疑来电接通时产生的语音进行语音识别，得到文本信息，所述可疑来电基于云端识别确定；采用来电类型分类模型，确定所述文本信息的来电类型，所述来电类型至少包括正常来电和异常来电，所述来电类型分类模型根据多个正常来电样本和多个异常来电样本创建；若所述文本信息的来电类型为异常来电，则进行提醒。