CN106936997A - 一种基于社交关系图谱的垃圾语音识别方法和系统 - Google Patents
一种基于社交关系图谱的垃圾语音识别方法和系统 Download PDFInfo
- Publication number
- CN106936997A CN106936997A CN201710163581.4A CN201710163581A CN106936997A CN 106936997 A CN106936997 A CN 106936997A CN 201710163581 A CN201710163581 A CN 201710163581A CN 106936997 A CN106936997 A CN 106936997A
- Authority
- CN
- China
- Prior art keywords
- user
- rubbish voice
- illustrative plates
- social networks
- rubbish
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000000284 extract Substances 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 238000000151 deposition Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 11
- 230000006399 behavior Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72484—User interfaces specially adapted for cordless or mobile telephones wherein functions are triggered by incoming communication events
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2250/00—Details of telephonic subscriber devices
- H04M2250/74—Details of telephonic subscriber devices with voice recognition means
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种基于社交关系图谱的垃圾语音识别方法,包括:为用户建立垃圾语音库,提取用户的历史通话记录,基于该历史通话记录构建用户的社交关系图谱,判断用户新接入的主叫号码是否处于垃圾语音库中,如果不处于,则根据建立的社交关系图谱判断用户新接入的该主叫号码是否能通过中间节点与被叫号码连接起来,如果不能够则根据建立的社交关系图谱计算用户新接入的该主叫号码的全局信任度,判断得到的该主叫号码的全局信任度是否大于全局信任度阈值。本发明基于用户的全局信任度和局部信任度进行垃圾语音识别,从而解决了现有垃圾语音识别方法中存在的对人工发起的垃圾语音呼叫识别的准确率不高的技术问题。
Description
技术领域
本发明属于无线通信技术领域,更具体地,涉及一种基于社交关系图谱的垃圾语音识别方法和系统。
背景技术
随着现代社会物质生活的越来越丰富,人们的生活水平也越来越高,对手机通信设备的需求也越来越大,手机用户的数量也随之持续增加,然而伴随着手机用户数量的增加,垃圾语音、骚扰电话也呈现井喷趋势,增速明显。越来越多的公司、团体、个人为了实现其经济利益或政治目的,通过垃圾语音等方式对其目标人群进行骚扰,主要表现为电话营销、反动信息传播、诈骗等形式。对于普通用户来说,垃圾语音不仅扰乱了人们的正常生活和工作,还会对受害者造成精神上的伤害或经济上的损失,用户对垃圾语音的强烈不满,引起了社会各界的普遍关注。对于电信运营商来说,垃圾语音对通信网络资源的正常使用产生了影响,更加影响了品牌形象。因此对于垃圾语音进行识别和拦截的研究,具有重要的现实意义。
目前广泛采用的垃圾语音识别方法包括有基于语音识别的垃圾语音识别方法,以及基于通信行为分析的垃圾语音识别方法。前者是通过在电话接通之后分析短时间内会话交流的语音关键字来判断该来电号码是否是垃圾语音发起号码,该方法对于机器录音设备发起的垃圾语音呼叫具有良好的识别效果,但是对人工发起的垃圾语音呼叫识别的准确率不高,并且由于该方法是在电话接通之后进行进一步分析,导致用户是在被骚扰以后才识别出垃圾语音骚扰行为,此外,这种识别方法在一定意义上侵犯了用户的隐私;对于后者而言,它是通过分析用户的通信行为(包括通话时长、通话频次等)来识别垃圾语音发起号码,其操作过程简单方便,但是该方法对于那些通信行为不固定的垃圾语音发起号码而言,其识别效率不佳。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于社交关系图谱的垃圾语音识别方法和系统,其目的在于,通过提取用户的通话历史记录构建用户层面上的社交关系图谱,并基于用户的全局信任度和局部信任度进行垃圾语音识别,从而解决了现有垃圾语音识别方法中存在的对人工发起的垃圾语音呼叫识别的准确率不高、会在一定意义上侵犯用户隐私、对于通信行为不固定的垃圾语音发起号码而言识别效率不佳的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于社交关系图谱的垃圾语音识别方法,包括以下步骤:
(1)为用户建立垃圾语音库,提取用户的历史通话记录,基于该历史通话记录构建用户的社交关系图谱;
(2)判断用户新接入的主叫号码是否处于垃圾语音库中,如果处于该垃圾语音库,则转入步骤(8),否则转入步骤(3);
(3)根据建立的社交关系图谱判断用户新接入的该主叫号码是否能通过中间节点与被叫号码连接起来,如果能够,则转入步骤(6),否则转入步骤(4);
(4)根据建立的社交关系图谱计算用户新接入的该主叫号码的全局信任度;
(5)判断步骤(4)得到的该主叫号码的全局信任度是否大于全局信任度阈值T,如果大于全局信任度阈值,则表示该主叫号码不是垃圾语音发起号码,然后过程结束,反之则表示该主叫号码是垃圾语音发起号码,然后转入步骤(8);
(6)使用信任度量算法获取被叫号码的用户对主叫号码用户的局部信任度;
(7)判断步骤(6)得到的被叫号码对主叫号码的局部信任度是否大于局部信任度阈值,如果大于阈值,则判定主叫号码不是垃圾语音发起号码,然后过程结束,否则判定主叫号码为垃圾语音发起号码,然后转入步骤(8);
(8)被叫号码用户判断是否接听该垃圾语音发起号码,并将垃圾语音发起号码添加到垃圾语音库中。
优选地,提取的历史通话记录是用户1星期到1个月之间的历史通话记录,提取的关键信息包括主叫号码、被叫号码、拨号时间、通话时长、是否接听。
优选地,步骤(1)包括以下子步骤:
(1-1)建立垃圾语音库,并初始化该垃圾语音库,使该垃圾语音库中的语音号码为空;
(1-2)从用户的历史通话记录中提取关键信息;
(1-3)基于提取的关键信息建立用户的社交关系图谱,该社交关系图谱包括彼此间存在通话记录的所有用户所构成的节点集合、节点彼此之间存在通话关系所构成的边、以及每个边的权重。
(1-4)根据建立的社交关系图谱计算直接相连的两个节点i对j的信任度。
优选地,步骤(1-4)的计算过程是通过以下公式:
其中ti,j表示节点i对与其相连的结点j的信任度,ni,j表示用户j主动向用户i拨打电话的次数,ci,j表示用户i接听来自用户j的电话、且通话时长超过阈值的次数。
优选地,步骤(4)的计算过程是使用以下公式:
其中S(j)为用户j的全局信任度,n为社交关系图谱中所有节点的数量,a是0到1之间的数,Fu为结点j所直接连接的节点的数量,表示节点j直接连接的节点uk对节点j的信任度,且k为1到n之间的整数。
优选地,步骤(6)中使用的信任度量算法是TidalTrust算法,且采用以下公式获取局部信任度:
其中ti,k表示被叫号码用户i对主叫号码k的局部信任度,adj(i)表示社交关系图谱中用户i相邻的所有节点中用户i对其信任度大于阈值的节点集合。
按照本发明的另一方面,提供了一种基于社交关系图谱的垃圾语音识别系统,包括:
第一模块,用于为用户建立垃圾语音库,提取用户的历史通话记录,基于该历史通话记录构建用户的社交关系图谱;
第二模块,用于判断用户新接入的主叫号码是否处于垃圾语音库中,如果处于该垃圾语音库,则转入第八模块,否则转入第三模块;
第三模块,用于根据建立的社交关系图谱判断用户新接入的该主叫号码是否能通过中间节点与被叫号码连接起来,如果能够,则转入第六模块,否则转入第四模块;
第四模块,用于根据建立的社交关系图谱计算用户新接入的该主叫号码的全局信任度;
第五模块,用于判断第四模块得到的该主叫号码的全局信任度是否大于全局信任度阈值T,如果大于全局信任度阈值,则表示该主叫号码不是垃圾语音发起号码,然后过程结束,反之则表示该主叫号码是垃圾语音发起号码,然后转入第八模块;
第六模块,用于使用信任度量算法获取被叫号码的用户对主叫号码用户的局部信任度;
第七模块,用于判断第六模块得到的被叫号码对主叫号码的局部信任度是否大于局部信任度阈值,如果大于阈值,则判定主叫号码不是垃圾语音发起号码,然后过程结束,否则判定主叫号码为垃圾语音发起号码,然后转入步骤第八模块;
第八模块,用于被叫号码用户判断是否接听该垃圾语音发起号码,并将垃圾语音发起号码添加到垃圾语音库中。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1、本发明能够解决现有垃圾语音识别方法中存在的对人工发起的垃圾语音呼叫识别的准确率不高的技术问题:由于采用了步骤(1)构建社交关系图谱,在后续语音识别过程中,着重点在于用户节点之间的关系,而不考虑垃圾语音发起号码是人工还是机器,只需考虑发起号码的信任度问题,因此对于无论是机器还是人工发起的垃圾语音,都能够达到良好的识别效果;
2、本发明能够解决现有方法会侵犯用户隐私的技术问题:由于本发明是在用户接听电话之前就进行了垃圾语音的识别和判断,不需要在用户接听来电后对会话进行短时间的监听和识别,从而避免了侵犯用户隐私的问题;
3、本发明能够解决现有方法中通信行为不固定的垃圾语音发起号码而言识别效率不佳的技术问题:由于本发明是通过分析用户之间的局部信任度以及单个用户基于整个网络的全局信任度来判别垃圾语音发起号码,不需要考虑用户的通信行为,从而对通信行为不固定的垃圾语音发起号码也有极好的识别效果;
4、本发明的方法简单明了,运行效率较高;
5、本发明的识别方法可动态适应用户的通信行为变化,并满足用户的个性化需求。
附图说明
图1是本发明基于社交关系图谱的垃圾语音识别方法的流程图;
图2是本发明方法中创建的社交关系图谱的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种基于用户社交关系图谱的垃圾语音识别方法,其基于用户的通话历史记录构建用户的社交关系图谱,通过计算用户之间的局部信任度和全局信任度,从而识别垃圾语音。
如图1所示,本发明基于社交关系图谱的垃圾语音识别方法包括以下步骤:
(1)为用户建立垃圾语音库(其用于存放垃圾语音号码),提取用户的历史通话记录,基于该历史通话记录构建用户的社交关系图谱;具体而言,提取的历史通话记录是用户1星期到1个月之间的历史通话记录;
具体而言,本步骤包括以下子步骤:
(1-1)建立垃圾语音库,并初始化该垃圾语音库,使该垃圾语音库中的语音号码为空;
(1-2)从用户的历史通话记录中提取关键信息;具体而言,提取的关键信息包括主叫号码、被叫号码、拨号时间、通话时长、是否接听等。
(1-3)基于提取的关键信息建立用户的社交关系图谱,该社交关系图谱包括彼此间存在通话记录的所有用户所构成的节点集合、节点彼此之间存在通话关系所构成的边、以及每个边的权重;
如图2所示,用有向带权图G(N,E,W)表示,其中N为存在通话记录的所有用户构成的节点集合,E为图谱中节点之间的有向边,代表用户之间的通话关系,W为边的权重,表示图谱中相连用户之间的认同程度,或者说是用户一方(某个节点)对另外一方(图谱中相连的另一个节点)的信任度(例如,从节点G指向节点J的箭头,就是表示用户G对于用户J的信任度)。
从图2可以看出,存在边连接的两个节点,就是彼此有过通话记录的两个用户,例如用户A和用户G,用户G与用户J,用户J与用户I。
(1-4)根据建立的社交关系图谱计算直接相连的两个节点i对j的信任度;具体而言,计算公式如以下公式(1)所示:
其中ti,j表示节点i对与其相连的结点j的信任度,ni,j表示用户j主动向用户i拨打电话的次数,ci,j表示用户i接听来自用户j的电话、且通话时长超过阈值(其取值范围是15秒以上)的次数。
(2)判断用户新接入的主叫号码是否处于垃圾语音库中,如果处于该垃圾语音库,则转入步骤(8),否则转入步骤(3);
(3)根据建立的社交关系图谱判断用户新接入的该主叫号码是否能通过中间节点与被叫号码连接起来,如果能够,则转入步骤(6),否则转入步骤(4);具体而言,如果新接入的主叫号码不能通过图2中所示的中间节点与被叫号码连接,则说明该主叫号码是一个孤立结点;
(4)根据建立的社交关系图谱计算用户新接入的该主叫号码的全局信任度,其中全局信任度是指,整个社交网络图谱中其他用户对当前用户的整体信任评价;
具体而言,本步骤的计算过程是使用以下公式(2):
其中S(j)为用户j的全局信任度,n为社交关系图谱中所有节点(包括有孤立节点)的数量,a为常数,其取值范围是0到1之间,Fu为结点j所直接连接的节点的数量,表示节点j直接连接的节点uk对节点j的信任度,且k为1到n之间的整数。
(5)判断步骤(4)得到的该主叫号码的全局信任度是否大于全局信任度阈值T(其取值范围是0.3到0.6之间),如果大于全局信任度阈值,则表示该主叫号码不是垃圾语音发起号码,然后过程结束,反之则表示该主叫号码是垃圾语音发起号码,然后转入步骤(8);
(6)使用信任度量算法获取被叫号码的用户对主叫号码用户的局部信任度;具体而言,本发明中使用的信任度量算法是TidalTrust算法,本步骤是采用以下公式(3):
其中ti,k表示被叫号码用户i对主叫号码k的局部信任度,adj(i)表示社交关系图谱中用户i相邻的所有节点中用户i对其信任度大于阈值(该阈值的取值范围是0.3到0.5之间,优选为0.35)的节点集合。
(7)判断步骤(6)得到的被叫号码对主叫号码的局部信任度是否大于局部信任度阈值(该阈值一般等于被叫号码接听电话的通话时长超过10秒的次数占被叫号码总的接听电话次数的比值),如果大于阈值,则判定主叫号码不是垃圾语音发起号码,然后过程结束,否则判定主叫号码为垃圾语音发起号码,然后转入步骤(8);
(8)被叫号码用户判断是否接听该垃圾语音发起号码,并将垃圾语音发起号码添加到垃圾语音库中。
本发明构建用户的社交关系图谱,基于用户之间的局部信任度和全局信任度来识别垃圾语音。本发明不需要系统地分析用户的通话行为,只需要提取用户的历史通话记录,构建社交关系图谱,计算相应的信任度就可以判定是否为垃圾语音。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于社交关系图谱的垃圾语音识别方法,其特征在于,包括以下步骤:
(1)为用户建立垃圾语音库,提取用户的历史通话记录,基于该历史通话记录构建用户的社交关系图谱;
(2)判断用户新接入的主叫号码是否处于垃圾语音库中,如果处于该垃圾语音库,则转入步骤(8),否则转入步骤(3);
(3)根据建立的社交关系图谱判断用户新接入的该主叫号码是否能通过中间节点与被叫号码连接起来,如果能够,则转入步骤(6),否则转入步骤(4);
(4)根据建立的社交关系图谱计算用户新接入的该主叫号码的全局信任度;
(5)判断步骤(4)得到的该主叫号码的全局信任度是否大于全局信任度阈值T,如果大于全局信任度阈值,则表示该主叫号码不是垃圾语音发起号码,然后过程结束,反之则表示该主叫号码是垃圾语音发起号码,然后转入步骤(8);
(6)使用信任度量算法获取被叫号码的用户对主叫号码用户的局部信任度;
(7)判断步骤(6)得到的被叫号码对主叫号码的局部信任度是否大于局部信任度阈值,如果大于阈值,则判定主叫号码不是垃圾语音发起号码,然后过程结束,否则判定主叫号码为垃圾语音发起号码,然后转入步骤(8);
(8)被叫号码用户判断是否接听该垃圾语音发起号码,并将垃圾语音发起号码添加到垃圾语音库中。
2.根据权利要求1所述的垃圾语音识别方法,其特征在于,提取的历史通话记录是用户1星期到1个月之间的历史通话记录,提取的关键信息包括主叫号码、被叫号码、拨号时间、通话时长、是否接听。
3.根据权利要求1所述的垃圾语音识别方法,其特征在于,步骤(1)包括以下子步骤:
(1-1)建立垃圾语音库,并初始化该垃圾语音库,使该垃圾语音库中的语音号码为空;
(1-2)从用户的历史通话记录中提取关键信息;
(1-3)基于提取的关键信息建立用户的社交关系图谱,该社交关系图谱包括彼此间存在通话记录的所有用户所构成的节点集合、节点彼此之间存在通话关系所构成的边、以及每个边的权重。
(1-4)根据建立的社交关系图谱计算直接相连的两个节点i对j的信任度。
4.根据权利要求3所述的垃圾语音识别方法,其特征在于,步骤(1-4)的计算过程是通过以下公式:
其中ti,j表示节点i对与其相连的结点j的信任度,ni,j表示用户j主动向用户i拨打电话的次数,ci,j表示用户i接听来自用户j的电话、且通话时长超过阈值的次数。
5.根据权利要求4所述的垃圾语音识别方法,其特征在于,步骤(4)的计算过程是使用以下公式:
其中S(j)为用户j的全局信任度,n为社交关系图谱中所有节点的数量,a是0到1之间的数,Fu为结点j所直接连接的节点的数量,表示节点j直接连接的节点uk对节点j的信任度,且k为1到n之间的整数。
6.根据权利要求5所述的垃圾语音识别方法,其特征在于,步骤(6)中使用的信任度量算法是TidalTrust算法,且采用以下公式获取局部信任度:
其中ti,k表示被叫号码用户i对主叫号码k的局部信任度,adj(i)表示社交关系图谱中用户i相邻的所有节点中用户i对其信任度大于阈值的节点集合。
7.一种基于社交关系图谱的垃圾语音识别系统,其特征在于,包括:
第一模块,用于为用户建立垃圾语音库,提取用户的历史通话记录,基于该历史通话记录构建用户的社交关系图谱;
第二模块,用于判断用户新接入的主叫号码是否处于垃圾语音库中,如果处于该垃圾语音库,则转入第八模块,否则转入第三模块;
第三模块,用于根据建立的社交关系图谱判断用户新接入的该主叫号码是否能通过中间节点与被叫号码连接起来,如果能够,则转入第六模块,否则转入第四模块;
第四模块,用于根据建立的社交关系图谱计算用户新接入的该主叫号码的全局信任度;
第五模块,用于判断第四模块得到的该主叫号码的全局信任度是否大于全局信任度阈值T,如果大于全局信任度阈值,则表示该主叫号码不是垃圾语音发起号码,然后过程结束,反之则表示该主叫号码是垃圾语音发起号码,然后转入第八模块;
第六模块,用于使用信任度量算法获取被叫号码的用户对主叫号码用户的局部信任度;
第七模块,用于判断第六模块得到的被叫号码对主叫号码的局部信任度是否大于局部信任度阈值,如果大于阈值,则判定主叫号码不是垃圾语音发起号码,然后过程结束,否则判定主叫号码为垃圾语音发起号码,然后转入步骤第八模块;
第八模块,用于被叫号码用户判断是否接听该垃圾语音发起号码,并将垃圾语音发起号码添加到垃圾语音库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710163581.4A CN106936997B (zh) | 2017-03-20 | 2017-03-20 | 一种基于社交关系图谱的垃圾语音识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710163581.4A CN106936997B (zh) | 2017-03-20 | 2017-03-20 | 一种基于社交关系图谱的垃圾语音识别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106936997A true CN106936997A (zh) | 2017-07-07 |
CN106936997B CN106936997B (zh) | 2019-07-23 |
Family
ID=59433171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710163581.4A Active CN106936997B (zh) | 2017-03-20 | 2017-03-20 | 一种基于社交关系图谱的垃圾语音识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106936997B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304739A (zh) * | 2017-12-28 | 2018-07-20 | 中国银联股份有限公司 | Pos终端移机侦测方法以及pos终端移机侦测系统 |
CN109214944A (zh) * | 2018-08-28 | 2019-01-15 | 北京费马科技有限公司 | 基于社交图谱的垃圾用户识别方法和应用 |
CN111917574A (zh) * | 2020-07-21 | 2020-11-10 | 上海阿尔卡特网络支援系统有限公司 | 社交网络拓扑模型及构建方法、用户置信度和亲密度计算方法及电信诈骗智能拦截系统 |
CN112153220A (zh) * | 2020-08-26 | 2020-12-29 | 北京邮电大学 | 一种基于社交评价动态更新的通信行为识别方法 |
CN112671982A (zh) * | 2020-12-15 | 2021-04-16 | 中国信息通信研究院 | 一种骚扰电话识别方法和系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2765483C2 (ru) * | 2021-05-07 | 2022-01-31 | Общество с ограниченной ответственностью «ИНТЕРКОННЕКТ» | Способ распознавания и обработки спам-звонка |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459718A (zh) * | 2009-01-06 | 2009-06-17 | 华中科技大学 | 一种基于移动通信网的垃圾语音过滤方法及其系统 |
US20120284265A1 (en) * | 2010-10-25 | 2012-11-08 | International Business Machines Corporation | Detection and prevention of spam in tagging systems |
CN104052852A (zh) * | 2014-06-20 | 2014-09-17 | 许昌学院 | 通信方法及装置 |
US20150237201A1 (en) * | 2014-02-20 | 2015-08-20 | International Business Machines Corporation | Telephone Caller Authentication |
-
2017
- 2017-03-20 CN CN201710163581.4A patent/CN106936997B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459718A (zh) * | 2009-01-06 | 2009-06-17 | 华中科技大学 | 一种基于移动通信网的垃圾语音过滤方法及其系统 |
US20120284265A1 (en) * | 2010-10-25 | 2012-11-08 | International Business Machines Corporation | Detection and prevention of spam in tagging systems |
US20150237201A1 (en) * | 2014-02-20 | 2015-08-20 | International Business Machines Corporation | Telephone Caller Authentication |
CN104052852A (zh) * | 2014-06-20 | 2014-09-17 | 许昌学院 | 通信方法及装置 |
Non-Patent Citations (3)
Title |
---|
JENNIFER GOLBECK: "《Combining Provenance with Trust in Social Networks for Semantic Web Content Filtering》", 《INTERNATIONAL PROVENANCE AND ANNOTATION WORKSHOP, IPAW 2006》 * |
NOPPAWAT CHAISAMRAN, TAKESHI OKUDA, GREGORY BLANC, SUGURU YAMAGU: "《Trust-based VoIP Spam Detection based on Call Duration and Human Relationships》", 《2011 IEEE/IPSJ INTERNATIONAL SYMPOSIUM ON APPLICATIONS AND THE INTERNET》 * |
王非,莫益军,黄本雄: "《基于信誉的P2P-VoIP垃圾语音过滤模型》", 《华中科技大学学报(自然科学版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304739A (zh) * | 2017-12-28 | 2018-07-20 | 中国银联股份有限公司 | Pos终端移机侦测方法以及pos终端移机侦测系统 |
CN108304739B (zh) * | 2017-12-28 | 2021-08-10 | 中国银联股份有限公司 | Pos终端移机侦测方法以及pos终端移机侦测系统 |
CN109214944A (zh) * | 2018-08-28 | 2019-01-15 | 北京费马科技有限公司 | 基于社交图谱的垃圾用户识别方法和应用 |
CN109214944B (zh) * | 2018-08-28 | 2022-03-11 | 北京蚂蚁云金融信息服务有限公司 | 基于社交图谱的垃圾用户识别方法和装置 |
CN111917574A (zh) * | 2020-07-21 | 2020-11-10 | 上海阿尔卡特网络支援系统有限公司 | 社交网络拓扑模型及构建方法、用户置信度和亲密度计算方法及电信诈骗智能拦截系统 |
CN112153220A (zh) * | 2020-08-26 | 2020-12-29 | 北京邮电大学 | 一种基于社交评价动态更新的通信行为识别方法 |
CN112671982A (zh) * | 2020-12-15 | 2021-04-16 | 中国信息通信研究院 | 一种骚扰电话识别方法和系统 |
CN112671982B (zh) * | 2020-12-15 | 2021-09-14 | 中国信息通信研究院 | 一种骚扰电话识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106936997B (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106936997A (zh) | 一种基于社交关系图谱的垃圾语音识别方法和系统 | |
CN106550155B (zh) | 对可疑号码进行诈骗样本甄别归类及拦截的方法及系统 | |
CN108924333B (zh) | 诈骗电话识别方法、装置和系统 | |
US10410636B2 (en) | Methods and system for reducing false positive voice print matching | |
CN104936182B (zh) | 一种智能管控诈骗电话的方法和系统 | |
CN109451182B (zh) | 一种诈骗电话的检测方法和装置 | |
CN107222865A (zh) | 基于可疑行为识别的通讯诈骗实时检测方法和系统 | |
CN107331385A (zh) | 一种骚扰电话的识别与拦截方法 | |
CN109600752A (zh) | 一种深度聚类诈骗检测的方法和装置 | |
CN101321387A (zh) | 基于通信系统的声纹识别方法及系统 | |
CN108366173A (zh) | 一种电话识别方法、相关设备及系统 | |
CN110072019A (zh) | 一种屏蔽骚扰电话的方法及装置 | |
CN110337059A (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
CN101459718A (zh) | 一种基于移动通信网的垃圾语音过滤方法及其系统 | |
CN105636047A (zh) | 一种欺诈用户的检测方法、装置和系统 | |
CN104410973B (zh) | 一种播放录音的诈骗电话识别方法和系统 | |
US20030152199A1 (en) | Dialogue device for call screening and Classification | |
CN113794805A (zh) | 一种goip诈骗电话的检测方法、检测系统 | |
CN106850931A (zh) | 防骚扰电话的方法及移动智能终端 | |
CN109859032A (zh) | 基于智能语音的账款催收方法、装置、设备和存储介质 | |
CN106161209A (zh) | 一种基于深度自学习的垃圾短信过滤方法及系统 | |
Peng et al. | Fraud phone calls analysis based on label propagation community detection algorithm | |
CN109474755B (zh) | 基于排序学习和集成学习的异常电话主动预测方法、系统及计算机可读存储介质 | |
CN114169438A (zh) | 一种电信网络诈骗识别方法、装置、设备及存储介质 | |
CN106341555A (zh) | 一种通信监控方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |