CN110113471B - 号码监测方法及装置 - Google Patents
号码监测方法及装置 Download PDFInfo
- Publication number
- CN110113471B CN110113471B CN201910356537.4A CN201910356537A CN110113471B CN 110113471 B CN110113471 B CN 110113471B CN 201910356537 A CN201910356537 A CN 201910356537A CN 110113471 B CN110113471 B CN 110113471B
- Authority
- CN
- China
- Prior art keywords
- monitoring number
- score
- monitoring
- component
- preset
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/66—Substation equipment, e.g. for use by subscribers with means for preventing unauthorised or fraudulent calling
- H04M1/663—Preventing unauthorised calls to a telephone set
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2281—Call monitoring, e.g. for law enforcement purposes; Call tracing; Detection or prevention of malicious calls
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Technology Law (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种号码监测方法及装置。方法包括:获取至少一个监测号码中各监测号码的至少一个特征信息;根据各监测号码的至少一个特征信息,计算各监测号码的至少一个特征信息中各特征信息的评分分量和各监测号码的特征评分总值;根据各监测号码的各特征信息的评分分量和/或特征评分总量,确定各监测号码是否为预设骚扰号码。通过本发明的技术方案,可根据各监测号码的各特征信息的评分分量和/或特征评分总值,自动确定各监测号码是否为预设骚扰号码,从而对各监测号码进行主动而自动的监控,以便于及早确定出可能发生骚扰的号码、可能被举报的骚扰号码等,进而尽可能地减少骚扰的发生。
Description
技术领域
本发明涉及通讯技术领域,特别涉及一种号码监测方法及装置。
背景技术
目前,很多用户都可能会接收到骚扰电话,为了解决该问题就需要对号码进行标记排序,找到问题严重的号码区域,但相关技术中骚扰号码的数据更新不及时,通常是骚扰发生很久后才能确定该号码为骚扰号码,进而被动地统计该号码给运营商治理,因而,如何尽早地、主动地对号码进行监测以尽可能地减少骚扰成为亟待解决的问题。
发明内容
本发明提供一种号码监测方法及装置,用以根据各监测号码的各特征信息的评分分量和/或特征评分总值,自动确定各监测号码是否为预设骚扰号码(即各监测号码是否为某种类型的骚扰号码),从而对各监测号码进行主动而自动的监控,以便于及早确定出可能发生骚扰的号码、可能被举报的骚扰号码等,从而尽可能地减少骚扰的发生。
本发明提供一种号码监测方法,包括:
获取至少一个监测号码中各监测号码的至少一个特征信息;
根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量和所述各监测号码的特征评分总值;
根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码。
在一个实施例中,所述根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量和所述各监测号码的特征评分总值,包括:
确定所述各监测号码的至少一个特征信息中各特征信息的权重值;
根据所述各监测号码的各特征信息的当前值和所述各监测号码的各特征信息的权重值,获得所述各监测号码的各特征信息的评分分量;
根据所述各监测号码的各特征信息的评分分量,计算所述各监测号码的特征评分总值。
在一个实施例中,所述各监测号码的至少一个特征信息包括:所述各监测号码的号码类型、所述各监测号码的用户骚扰量、所述各监测号码的用户骚扰频次、所述各监测号码在接收端的展示名称、所述各监测号码的标记类型、所述各监测号码的标记次数、所述各监测号码的被举报数量、所述各监测号码的启用时间中的至少一项。
在一个实施例中,所述根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码,包括:
判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
从所述至少一个监测号码中确定出启用时间的评分分量达到所述预设时间评分的第一目标监测号码;
根据所述第一目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第一目标监测号码是否为新开户的骚扰号码。
在一个实施例中,所述根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码,包括:
判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
从所述至少一个监测号码中确定出启用时间的评分分量没有达到所述预设时间评分且标记评分和举报评分中的至少一项不等于预设分量的第二目标监测号码;
根据所述第二目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第二目标监测号码是否为高频标记且被举报概率大于第一预设概率的骚扰号码。
在一个实施例中,所述根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码,包括:
判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
从所述至少一个监测号码中确定出启用时间的评分分量没有达到所述预设时间评分且标记评分和举报评分均等于预设分量的第三目标监测号码;
根据所述第三目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第三目标监测号码是否为骚扰概率大于第二预设概率的骚扰号码。
在一个实施例中,所述根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量,包括:
判断所述各监测号码的标记类型是否为指定的标记类型;
对于标记类型为所述指定的标记类型的第四目标监测号码,计算所述第四目标监测号码的至少一个特征信息中各特征信息的评分分量。
在一个实施例中,所述根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量,包括:
判断所述各监测号码的标记类型是否属于预设号码类型,其中,所述预设号码类型包括:仅能发送短信息的号码以及运营商号码;
对于标记类型不属于所述预设号码类型的第五目标监测号码,计算所述第五目标监测号码的至少一个特征信息中除所述号码类型之外的其他特征信息的评分分量。
本发明还提供一种号码监测装置,包括:
获取模块,用于获取至少一个监测号码中各监测号码的至少一个特征信息;
计算模块,用于根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量和所述各监测号码的特征评分总值;
确定模块,用于根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码。
在一个实施例中,所述计算模块包括:
第一确定子模块,用于确定所述各监测号码的至少一个特征信息中各特征信息的权重值;
获取子模块,用于根据所述各监测号码的各特征信息的当前值和所述各监测号码的各特征信息的权重值,获得所述各监测号码的各特征信息的评分分量;
第一计算子模块,用于根据所述各监测号码的各特征信息的评分分量,计算所述各监测号码的特征评分总值。
在一个实施例中,所述各监测号码的至少一个特征信息包括:所述各监测号码的号码类型、所述各监测号码的用户骚扰量、所述各监测号码的用户骚扰频次、所述各监测号码在接收端的展示名称、所述各监测号码的标记类型、所述各监测号码的标记次数、所述各监测号码的被举报数量、所述各监测号码的启用时间中的至少一项。
在一个实施例中,所述确定模块包括:
第一判断子模块,用于判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
第二确定子模块,用于从所述至少一个监测号码中确定出启用时间的评分分量达到所述预设时间评分的第一目标监测号码;
第三确定子模块,用于根据所述第一目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第一目标监测号码是否为新开户的骚扰号码。
在一个实施例中,所述确定模块包括:
第二判断子模块,用于判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
第四确定子模块,用于从所述至少一个监测号码中确定出启用时间的评分分量没有达到所述预设时间评分且标记评分和举报评分中的至少一项不等于预设分量的第二目标监测号码;
第五确定子模块,用于根据所述第二目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第二目标监测号码是否为高频标记且被举报概率大于第一预设概率的骚扰号码。
在一个实施例中,所述确定模块包括:
第三判断子模块,用于判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
第六确定子模块,用于从所述至少一个监测号码中确定出启用时间的评分分量没有达到所述预设时间评分且标记评分和举报评分均等于预设分量的第三目标监测号码;
第七确定子模块,用于根据所述第三目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第三目标监测号码是否为骚扰概率大于第二预设概率的骚扰号码。
在一个实施例中,所述计算模块,包括:
第四判断子模块,用于判断所述各监测号码的标记类型是否为指定的标记类型;
第二计算子模块,用于对于标记类型为所述指定的标记类型的第四目标监测号码,计算所述第四目标监测号码的至少一个特征信息中各特征信息的评分分量。
在一个实施例中,所述计算模块包括:
第五判断子模块,用于判断所述各监测号码的标记类型是否属于预设号码类型,其中,所述预设号码类型包括:仅能发送短信息的号码以及运营商号码;
第三计算子模块,用于对于标记类型不属于所述预设号码类型的第五目标监测号码,计算所述第五目标监测号码的至少一个特征信息中除所述号码类型之外的其他特征信息的评分分量。
本公开的实施例提供的技术方案可以包括以下有益效果:
通过确定各监测号码的至少一个特征信息,可根据这些特征信息分别计算各监测号码的每个特征信息的评分分量以及各监测号码的特征评分总值,然后根据各监测号码的各特征信息的评分分量和/或特征评分总值,自动确定各监测号码是否为预设骚扰号码(即各监测号码是否为某种类型的骚扰号码),从而对各监测号码进行主动而自动的监控,以便于及早确定出可能发生骚扰的号码、可能被举报的骚扰号码等,从而尽可能地减少骚扰的发生。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是根据一示例性实施例示出的一种号码监测方法的流程图。
图2是根据一示例性实施例示出的另一种号码监测方法的流程图。
图3是根据一示例性实施例示出的一种号码监测装置的框图。
图4是根据一示例性实施例示出的另一种号码监测装置的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
为了解决上述技术问题,本公开实施例提供了一种号码监测方法,该方法适用于号码监测程序、系统或装置中,其执行主体可以是手机等终端或者服务器,如图1所示,该方法包括步骤S101至步骤S103,其中:
在步骤S101中,获取至少一个监测号码中各监测号码的至少一个特征信息;
各监测号码的至少一个特征信息包括但不限于:各监测号码的号码类型、各监测号码的用户骚扰量、各监测号码的用户骚扰频次、各监测号码在接收端的展示名称、各监测号码的标记类型、各监测号码的标记次数、各监测号码的被举报数量、各监测号码的启用时间中的至少一项。
在步骤S102中,根据各监测号码的至少一个特征信息,计算各监测号码的至少一个特征信息中各特征信息的评分分量和各监测号码的特征评分总值;
在步骤S103中,根据各监测号码的各特征信息的评分分量和/或特征评分总量,确定各监测号码是否为预设骚扰号码。
通过确定各监测号码的至少一个特征信息,可根据这些特征信息分别计算各监测号码的每个特征信息的评分分量以及各监测号码的特征评分总值,然后根据各监测号码的各特征信息的评分分量和/或特征评分总值,自动确定各监测号码是否为预设骚扰号码(即各监测号码是否为某种类型的骚扰号码),从而对各监测号码进行主动而自动的监控,以便于及早确定出可能发生骚扰的号码、可能被举报的骚扰号码等,从而尽可能地减少骚扰的发生。
如图2所示,在一个实施例中,上述图1所示的步骤S102,即根据各监测号码的至少一个特征信息,计算各监测号码的至少一个特征信息中各特征信息的评分分量和各监测号码的特征评分总值,可以包括步骤S201至步骤S203,其中:
在步骤S201中,确定各监测号码的至少一个特征信息中各特征信息的权重值;
在步骤S202中,根据各监测号码的各特征信息的当前值和各监测号码的各特征信息的权重值,获得各监测号码的各特征信息的评分分量;
在步骤S203中,根据各监测号码的各特征信息的评分分量,计算各监测号码的特征评分总值。
在计算各监测号码的各特征信息的评分分量时,可根据各监测号码的各特征信息的权重值以及其各特征信息的当前值,自动计算每个监测号码的各特征信息的评分分量,然后统计每个监测号码的各特征信息的评分分量之和,即可准确得到每个监测号码的特征评分总值,即每个监测号码的特征评分总值为每个监测号码的各特征信息的评分分量相加而得到的和。
在一个实施例中,对于每个监测号码,确定其至少一个特征信息中各特征信息的权重值,包括:
确定各特征信息的区间总数;即每个特征信息的值都对应有多个区间,而区间总数即各特征信息的总区间数目。
根据各特征信息的区间总数和各特征信息对应的参考系数,确定各特征信息的权重值。
通过各特征信息的区间总数和各特征信息对应的参考系数,即可准确获得各特征信息的权重值,这相比于为各特征信息预设一个固定的权重值而言,可使得各特征信息的权重值动态变化且各特征信息的评分分量更加准确。
各特征信息对应的参数系数可以是预先设置的一个固定的系数,且特征信息不同,对应的参数系数也不同。
在一个实施例中,根据各监测号码的各特征信息的评分分量和/或特征评分总量,确定各监测号码是否为预设骚扰号码,包括:
判断各监测号码的启用时间的评分分量是否达到预设时间评分;
从至少一个监测号码中确定出启用时间的评分分量达到预设时间评分的第一目标监测号码;
根据第一目标监测号码的特征评分总量在至少一个监测号码中的排序,确定第一目标监测号码是否为新开户的骚扰号码。
其中,启动时间的评分分量越高,该启用时间可以越近,即开户时间越近,而预设时间评分可以为启用时间位于最近S天(S可以是5、7、10等)内时的评分。
通过判断各监测号码的启用时间的评分分量是否达到预设时间评分,可确定该监测号码是否为新开户的号码(如7天/10天内刚启用的号码),当任一监测号码达到该预设时间评分时,说明该任一监测号码刚被启用,进而,可将该任一监测号码初步作为新开户的骚扰号码进行监测,即将该任一个监测号码确定为第一目标监测号码,然后确定该第一目标监测号码的特征评分总量在至少一个监测号码中的排序,并根据该排序,准确而尽早地准确确定该第一目标监测号码是否确实为新开户的骚扰号码,例如:如果该第一目标监测号码的特征评分总量在所有监测号码的特征评分总量中的排序位于前N,则可确定该第一目标监测号码确实为新开户的骚扰号码,N为正整数。
其次,第一目标监测号码可以是一个或多个监测号码,而各监测号码的特征评分总量可按照数值从高到低的顺序进行排列。
或者,为了能够更准确地确定第一目标监测号码是否确实为新开户的骚扰号码,还可结合该第一目标监测号码的用户骚扰量、用户骚扰频次、标记次数、被举报数量等一项或多项其他特征信息,并在达到相应的阈值时,再确定将该第一目标监测号码为新开户的骚扰号码,以便于监管部门尽早对这些新开户的骚扰号码进行处理。
在一个实施例中,根据各监测号码的各特征信息的评分分量和/或特征评分总量,确定各监测号码是否为预设骚扰号码,包括:
判断各监测号码的启用时间的评分分量是否达到预设时间评分;
从至少一个监测号码中确定出启用时间的评分分量没有达到预设时间评分且标记评分和举报评分中的至少一项不等于预设分量的第二目标监测号码;
各监测号码的标记评分是各监测号码的标记次数的评分,或者是各监测号码在其标记类型下的标记次数的评分;各监测号码的举报评分是各监测号码的被举报数量。
根据第二目标监测号码的特征评分总量在至少一个监测号码中的排序,确定第二目标监测号码是否为高频标记且被举报概率大于第一预设概率的骚扰号码。该预设分量可以是一个较小的值,如零。
当任一监测号码的启用时间的评分分量没有达到预设时间评分时,说明该任一监测号码的启用时间较早、该任一监测号码不是新开户的号码,而若该任一监测号码的标记评分和举报评分中的至少一项不等于预设分量,则说明该任一监测号码被标记过和/或被举报过,因而,可初步将该任一监测号码确定为高频标记且被举报概率大于第一预设概率的骚扰号码(即将该任一监测号码初步确定为高频标记且具有较好可能性被举报的号码),即:将该任一监测号码确定为第二目标监测号码,然后确定该第二目标监测号码的特征评分总量在至少一个监测号码中的排序,并根据该排序,准确而尽早地准确确定该第二目标监测号码是否为高频标记且具有较好可能性被举报的号码。例如:如果该第二目标监测号码的特征评分总量在所有监测号码的特征评分总量中的排序位于前M,则可确定该第二目标监测号码确实为高频标记且具有较好可能性被举报的号码,M为正整数。
其次,第二目标监测号码可以是一个或多个监测号码,而各监测号码的特征评分总量可按照数值从高到低的顺序进行排列,任一监测号码是该至少一个监测号码中的某个监测号码。
或者,由于在进行号码监测时,监测的号码可能很多,监测号码可能是海量的,因而,为了提高最终的判断结果的准确性,还可根据标记评分、举报评分、骚扰频次评分、用户骚扰量评分或者由各特征信息的评分分量计算出的特征评分总量中的一项或多项按照数值从高到低的顺序进行排列,然后将排序靠前的P项号码确定为监测号码为高频标记且被举报概率大于第一预设概率(如50%)的骚扰号码。
在一个实施例中,根据各监测号码的各特征信息的评分分量和/或特征评分总量,确定各监测号码是否为预设骚扰号码,包括:
判断各监测号码的启用时间的评分分量是否达到预设时间评分;
从至少一个监测号码中确定出启用时间的评分分量没有达到预设时间评分且标记评分和举报评分均等于预设分量的第三目标监测号码;
根据第三目标监测号码的特征评分总量在至少一个监测号码中的排序,确定第三目标监测号码是否为骚扰概率大于第二预设概率的骚扰号码,该预设分量可以是一个较小的值,如零。
当任一监测号码的启用时间的评分分量没有达到预设时间评分时,说明该任一监测号码的启用时间较早、该任一监测号码不是新开户的号码,而若该任一监测号码的标记评分和举报评分均等于预设分量,则说明该任一监测号码没有被标记过也没有被举报过,因而,可初步将该任一监测号码确定为疑似骚扰号码或者即将发生骚扰的号码,即:将该任一监测号码确定为第三目标监测号码,然后确定该第三目标监测号码的特征评分总量在至少一个监测号码中的排序,并根据该排序,准确而尽早地准确确定该第三目标监测号码是否为疑似骚扰号码或者即将发生骚扰的号码。例如:如果该第三目标监测号码的特征评分总量在所有监测号码的特征评分总量中的排序位于前Q,则可确定该第三目标监测号码确实为疑似骚扰号码或者即将发生骚扰的号码,Q为正整数。
或者,由于在进行号码监测时,监测的号码可能很多,监测号码可能是海量的,因而,为了提高判断结果的准确性,还可根据骚扰频次评分、用户骚扰量评分或者由各特征信息的评分分量计算出的特征评分总量中的一项或多项按照数值从高到低的顺序进行排列,然后将排序靠前的R项号码确定为监测号码为骚扰概率大于第二预设概率(如40%)的骚扰号码。
在一个实施例中,各监测号码的至少一个特征信息中各特征信息表示的含义如下所示。
用户骚扰量即:骚扰到的用户个数;
用户骚扰频次即:一段时间内骚扰用户的次数;
在接收端的展示名称即:被匹配到的骚扰号码在接收端上显示的名字,以供直接了解这个骚扰号码属于哪家公司;
标记类型即:被用户标记的类型,数据库中有7种标记类型:骚扰、疑似诈骗、推销、中介、招聘猎头、快递送餐、出租车司机;
标记数量即:被用户标记成了哪种骚扰类型的次数,比如骚扰100次;
12321举报数量即:号码在12321举报平台上被举报的次数;
启用时间即:号码系统第一次记录到的时间。
标记评分是针对标记类型和标记次数的评分,举报评分是针对被举报数量的评分,时间评分是针对启用时间的评分,骚扰量评分是针对用户骚扰量的评分,骚扰频次评分是针对用户骚扰频次的评分,终端展示名评分是针对在接收端的展示名称的评分。
号码类型如下表1所示(其中,表1中,保留指的是将该号码作为本发明的监测号码,而剔除指的是不将该号码作为本发明的监测号码):
表1
在一个实施例中,根据各监测号码的至少一个特征信息,计算各监测号码的至少一个特征信息中各特征信息的评分分量,包括:
判断各监测号码的标记类型是否为指定的标记类型;
标记类型可以有多种多样,如骚扰号码、疑似诈骗、推销、中介、招聘猎头、快递送餐、出租车司机。指定的标记类型可以是这几种标记类型中的若干种,如推销、疑似诈骗、骚扰电话。
对于标记类型为指定的标记类型的第四目标监测号码,计算第四目标监测号码的至少一个特征信息中各特征信息的评分分量。
当任一监测号码的标记类型为指定的标记类型时,说明该任一监测号码为用户最反感的骚扰号码,因而,对于标记类型为指定的标记类型的第四目标监测号码,可自动计算各特征信息的评分分量,而当标记类型不是指定的标记类型时,说明该监测号码不是用户很反感的号码,因而,可不计算各特征信息的评分分量,自然也就不需要计算其特征评分总值,从而无需对其进行监控,以节省资源。
在一个实施例中,根据各监测号码的至少一个特征信息,计算各监测号码的至少一个特征信息中各特征信息的评分分量,包括:
判断各监测号码的标记类型是否属于预设号码类型,其中,预设号码类型包括但不限于:仅能发送短信息的号码以及运营商号码,例如还可以包括1开头的3位号码等。
对于标记类型不属于预设号码类型的第五目标监测号码,计算第五目标监测号码的至少一个特征信息中除号码类型之外的其他特征信息的评分分量。
当任一监测号码的标记类型不是预设号码类型时,说明该任一监测号码确实属于需要严密监控的号码,因而,对于标记类型不属于预设号码类型的第五目标监测号码,可自动计算至少一个特征信息中除该号码类型之外的其他特征信息的评分分量,以便于准确进行号码监控。而对于标记类型属于预设号码类型的监测号码,由于其不属于需要监控的号码类型,因而可不计算这些属于预设号码类型的监测号码中至少一个特征信息中除号码类型之外的其他特征信息的评分分量,自然也就不需要计算其特征评分总值。
下面将结合具体的实施例进一步详细说明本发明的技术方案:
步骤一:统计各特征信息的评分分量,其中,各特征信息的评分分量的计算方式如下:
骚扰量评分标准
骚扰频次评分标准
标记评分标准
举报评分标准
时间评分标准
终端展示名评分标准
区间范围 | 区间编号 | 计算分值 |
有名称 | 0 | 10*0=0 |
没有名称的 | 1 | 10*1=10 |
另外,各特征信息的评分分量在特征评分总值中的使用方法如下:
名称 | 加减分 |
骚扰的用户量的骚扰量评分 | + |
骚扰的频次的骚扰频次评分 | + |
标记数量的标记评分 | + |
举报数量的举报评分 | + |
时间维度的时间评分 | + |
识别终端展示名的终端展示名评分 | - |
以上给出的是各特征信息的评分分量的计算方式,其中,需要先确定各特征信息的当前值所落入的区间范围,然后查找特征信息对应的表格,即可计算出相应的评分分量,而特征评分总量为所有特征信息分别对应的评分分量的总和。
另外,在计算标记评分时,只有标记类型为['推销','疑似诈骗','骚扰电话']时,才计算标记评分;
时间评分=时间总分-时间差区间*权重值,该时间差区间为号码的启用时间与统计时间的天数差所落的区间范围。
下面将举例说明上述评分分量的计算标准的应用:
假设统计时间是2018-07-25,有一个号码启用时间是2018-07-01,骚扰用户量是234,骚扰频次为800,被标记30次,被举报5次,有识别名,。
其中按照上述计算标准可以计算出来,统计时间与启用时间差25天。25天落在区间3里面,分值为4。而每个维度分值具体如下:
维度 | 分值 |
骚扰的用户量 | 24 |
骚扰的频次 | 20 |
标记数量 | 7.5 |
举报数量 | 9 |
时间维度 | 4 |
识别终端展示名 | 0 |
总分 | 64.5 |
步骤二:根据各特征信息的评分分量和/或特征评分总量,确定是否将监测号码作为预设骚扰号码进行监控,具体实施方式可以如下:
1)被网民高频标记且有较高可能性被举报为骚扰号码的判断标准如下:同时满足时间分小于10(也就是启用时间不是统计时间最近一周的)、标记分或举报分不能同时等于0。
举例说明:下表数据得出的结论55.5分,将全部时间分小于10且标记分或举报分不能同时等于0的数据进行依次打分,得出全部分数后进行排名,排名在前的数据,即为高频骚扰号码(高频标记且有较高可能性被举报)。比如,需要取TOP1000的高频骚扰号码输出使用,55.5分正好在TOP1000的数据里,则属于需要输出的高频骚扰号码。如不在范围内,则不输出使用。
维度 | 分值 |
时间维度 | 4 |
骚扰的用户量 | 24 |
骚扰的频次 | 20 |
标记数量 | 7.5 |
举报数量 | 0 |
识别终端展示名 | 0 |
总分 | 55.5 |
2)疑似骚扰号码(即骚扰概率大于第二预设概率的骚扰号码)的判断标准:同时满足时间分小于10、标记分和举报分同时等于0。
举例说明:下表数据得出的结论48分,将全部时间分小于10且标记分和举报分同时等于0的数据进行依次打分,得出全部分数后进行排名,排名在前的数据,即为疑似骚扰号码。比如,需要取TOP1000的疑似骚扰号码输出使用,48分正好在TOP1000的数据里,则属于需要输出的疑似骚扰号码。如不在范围内,则不输出使用。
维度 | 分值 |
时间维度 | 4 |
骚扰的用户量 | 24 |
骚扰的频次 | 20 |
标记数量 | 0 |
举报数量 | 0 |
识别终端展示名 | 0 |
总分 | 48 |
3)新开户的骚扰号码的判断标准:时间评分等于10的(也就是启用时间与统计时间在7天内的),因为时间评分等于10,说明该号码刚开始启用未超过7天,即可判定该号码刚开始启用就被监测是否会有骚扰倾向。
举例说明:下表数据得出的结论是,得分在78分,将全部时间分等于10的数据进行依次打分,得出全部分数后进行排名,排名在前的数据,即为新开号骚扰号码。比如,需要取TOP1000的新开号骚扰号码输出使用,78分正好在TOP1000的数据里,则属于需要输出的新开号骚扰号码。如不在范围内,则不输出使用。
维度 | 分值 |
时间维度 | 10 |
骚扰的用户量 | 24 |
骚扰的频次 | 20 |
标记数量 | 15 |
举报数量 | 9 |
识别终端展示名 | 0 |
总分 | 78 |
如图3所示,本发明还提供一种号码监测装置,包括:
获取模块301,被配置为获取至少一个监测号码中各监测号码的至少一个特征信息;
计算模块302,被配置为根据各监测号码的至少一个特征信息,计算各监测号码的至少一个特征信息中各特征信息的评分分量和各监测号码的特征评分总值;
确定模块303,被配置为根据各监测号码的各特征信息的评分分量和/或特征评分总量,确定各监测号码是否为预设骚扰号码。
如图4所示,在一个实施例中,计算模块302可以包括:
第一确定子模块3021,被配置为确定各监测号码的至少一个特征信息中各特征信息的权重值;
获取子模块3022,被配置为根据各监测号码的各特征信息的当前值和各监测号码的各特征信息的权重值,获得各监测号码的各特征信息的评分分量;
第一计算子模块3023,被配置为根据各监测号码的各特征信息的评分分量,计算各监测号码的特征评分总值。
在一个实施例中,各监测号码的至少一个特征信息包括:各监测号码的号码类型、各监测号码的用户骚扰量、各监测号码的用户骚扰频次、各监测号码在接收端的展示名称、各监测号码的标记类型、各监测号码的标记次数、各监测号码的被举报数量、各监测号码的启用时间中的至少一项。
在一个实施例中,确定模块包括:
第一判断子模块,被配置为判断各监测号码的启用时间的评分分量是否达到预设时间评分;
第二确定子模块,被配置为从至少一个监测号码中确定出启用时间的评分分量达到预设时间评分的第一目标监测号码;
第三确定子模块,被配置为根据第一目标监测号码的特征评分总量在至少一个监测号码中的排序,确定第一目标监测号码是否为新开户的骚扰号码。
在一个实施例中,确定模块包括:
第二判断子模块,被配置为判断各监测号码的启用时间的评分分量是否达到预设时间评分;
第四确定子模块,被配置为从至少一个监测号码中确定出启用时间的评分分量没有达到预设时间评分且标记评分和举报评分中的至少一项不等于预设分量的第二目标监测号码;
第五确定子模块,被配置为根据第二目标监测号码的特征评分总量在至少一个监测号码中的排序,确定第二目标监测号码是否为高频标记且被举报概率大于第一预设概率的骚扰号码。
在一个实施例中,确定模块包括:
第三判断子模块,被配置为判断各监测号码的启用时间的评分分量是否达到预设时间评分;
第六确定子模块,被配置为从至少一个监测号码中确定出启用时间的评分分量没有达到预设时间评分且标记评分和举报评分均等于预设分量的第三目标监测号码;
第七确定子模块,被配置为根据第三目标监测号码的特征评分总量在至少一个监测号码中的排序,确定第三目标监测号码是否为骚扰概率大于第二预设概率的骚扰号码。
在一个实施例中,计算模块,包括:
第四判断子模块,被配置为判断各监测号码的标记类型是否为指定的标记类型;
第二计算子模块,被配置为对于标记类型为指定的标记类型的第四目标监测号码,计算第四目标监测号码的至少一个特征信息中各特征信息的评分分量。
在一个实施例中,计算模块包括:
第五判断子模块,被配置为判断各监测号码的标记类型是否属于预设号码类型,其中,预设号码类型包括:仅能发送短信息的号码以及运营商号码;
第三计算子模块,被配置为对于标记类型不属于预设号码类型的第五目标监测号码,计算第五目标监测号码的至少一个特征信息中除号码类型之外的其他特征信息的评分分量。
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。
最后,本发明中的号码监测装置适用于终端设备。例如,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。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种号码监测方法,其特征在于,包括:
获取至少一个监测号码中各监测号码的至少一个特征信息;所述各监测号码的至少一个特征信息包括:各监测号码的启用时间;
根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量和所述各监测号码的特征评分总值;
根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码,包括:
判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;从所述至少一个监测号码中确定出启用时间的评分分量达到所述预设时间评分的第一目标监测号码;根据所述第一目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第一目标监测号码是否为新开户的骚扰号码。
2.根据权利要求1所述的方法,其特征在于,
所述根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量和所述各监测号码的特征评分总值,包括:
确定所述各监测号码的至少一个特征信息中各特征信息的权重值;
根据所述各监测号码的各特征信息的当前值和所述各监测号码的各特征信息的权重值,获得所述各监测号码的各特征信息的评分分量;
根据所述各监测号码的各特征信息的评分分量,计算所述各监测号码的特征评分总值。
3.根据权利要求1或2所述的方法,其特征在于,
所述各监测号码的至少一个特征信息还包括:所述各监测号码的号码类型、所述各监测号码的用户骚扰量、所述各监测号码的用户骚扰频次、所述各监测号码在接收端的展示名称、所述各监测号码的标记类型、所述各监测号码的标记次数、所述各监测号码的被举报数量中的至少一项。
4.根据权利要求3所述的方法,其特征在于,
所述根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码,还包括:
判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
从所述至少一个监测号码中确定出启用时间的评分分量没有达到所述预设时间评分且标记评分和举报评分中的至少一项不等于预设分量的第二目标监测号码;
根据所述第二目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第二目标监测号码是否为高频标记且被举报概率大于第一预设概率的骚扰号码。
5.根据权利要求3所述的方法,其特征在于,
所述根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码,还包括:
判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
从所述至少一个监测号码中确定出启用时间的评分分量没有达到所述预设时间评分且标记评分和举报评分均等于预设分量的第三目标监测号码;
根据所述第三目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第三目标监测号码是否为骚扰概率大于第二预设概率的骚扰号码。
6.根据权利要求3所述的方法,其特征在于,
所述根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量,包括:
判断所述各监测号码的标记类型是否为指定的标记类型;
对于标记类型为所述指定的标记类型的第四目标监测号码,计算所述第四目标监测号码的至少一个特征信息中各特征信息的评分分量。
7.根据权利要求3所述的方法,其特征在于,
所述根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量,包括:
判断所述各监测号码的标记类型是否属于预设号码类型,其中,所述预设号码类型包括:仅能发送短信息的号码以及运营商号码;
对于标记类型不属于所述预设号码类型的第五目标监测号码,计算所述第五目标监测号码的至少一个特征信息中除所述号码类型之外的其他特征信息的评分分量。
8.一种号码监测装置,其特征在于,包括:
获取模块,用于获取至少一个监测号码中各监测号码的至少一个特征信息;所述各监测号码的至少一个特征信息包括:各监测号码的启用时间;
计算模块,用于根据所述各监测号码的至少一个特征信息,计算所述各监测号码的至少一个特征信息中各特征信息的评分分量和所述各监测号码的特征评分总值;
确定模块,用于根据所述各监测号码的各特征信息的评分分量和/或特征评分总量,确定所述各监测号码是否为预设骚扰号码;
所述确定模块包括:
第一判断子模块,用于判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
第二确定子模块,用于从所述至少一个监测号码中确定出启用时间的评分分量达到所述预设时间评分的第一目标监测号码;
第三确定子模块,用于根据所述第一目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第一目标监测号码是否为新开户的骚扰号码。
9.根据权利要求8所述的装置,其特征在于,
所述计算模块包括:
第一确定子模块,用于确定所述各监测号码的至少一个特征信息中各特征信息的权重值;
获取子模块,用于根据所述各监测号码的各特征信息的当前值和所述各监测号码的各特征信息的权重值,获得所述各监测号码的各特征信息的评分分量;
第一计算子模块,用于根据所述各监测号码的各特征信息的评分分量,计算所述各监测号码的特征评分总值。
10.根据权利要求8或9所述的装置,其特征在于,
所述各监测号码的至少一个特征信息还包括:所述各监测号码的号码类型、所述各监测号码的用户骚扰量、所述各监测号码的用户骚扰频次、所述各监测号码在接收端的展示名称、所述各监测号码的标记类型、所述各监测号码的标记次数、所述各监测号码的被举报数量中的至少一项。
11.根据权利要求10所述的装置,其特征在于,
所述确定模块还包括:
第二判断子模块,用于判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
第四确定子模块,用于从所述至少一个监测号码中确定出启用时间的评分分量没有达到所述预设时间评分且标记评分和举报评分中的至少一项不等于预设分量的第二目标监测号码;
第五确定子模块,用于根据所述第二目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第二目标监测号码是否为高频标记且被举报概率大于第一预设概率的骚扰号码。
12.根据权利要求10所述的装置,其特征在于,
所述确定模块还包括:
第三判断子模块,用于判断所述各监测号码的启用时间的评分分量是否达到预设时间评分;
第六确定子模块,用于从所述至少一个监测号码中确定出启用时间的评分分量没有达到所述预设时间评分且标记评分和举报评分均等于预设分量的第三目标监测号码;
第七确定子模块,用于根据所述第三目标监测号码的特征评分总量在所述至少一个监测号码中的排序,确定所述第三目标监测号码是否为骚扰概率大于第二预设概率的骚扰号码。
13.根据权利要求10所述的装置,其特征在于,
所述计算模块,包括:
第四判断子模块,用于判断所述各监测号码的标记类型是否为指定的标记类型;
第二计算子模块,用于对于标记类型为所述指定的标记类型的第四目标监测号码,计算所述第四目标监测号码的至少一个特征信息中各特征信息的评分分量。
14.根据权利要求10所述的装置,其特征在于,
所述计算模块包括:
第五判断子模块,用于判断所述各监测号码的标记类型是否属于预设号码类型,其中,所述预设号码类型包括:仅能发送短信息的号码以及运营商号码;
第三计算子模块,用于对于标记类型不属于所述预设号码类型的第五目标监测号码,计算所述第五目标监测号码的至少一个特征信息中除所述号码类型之外的其他特征信息的评分分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356537.4A CN110113471B (zh) | 2019-04-29 | 2019-04-29 | 号码监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356537.4A CN110113471B (zh) | 2019-04-29 | 2019-04-29 | 号码监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110113471A CN110113471A (zh) | 2019-08-09 |
CN110113471B true CN110113471B (zh) | 2021-08-31 |
Family
ID=67487580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910356537.4A Active CN110113471B (zh) | 2019-04-29 | 2019-04-29 | 号码监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110113471B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113194206A (zh) * | 2021-04-25 | 2021-07-30 | 中国联合网络通信集团有限公司 | 标记方法及标记装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107295146A (zh) * | 2016-04-01 | 2017-10-24 | 中国移动通信集团设计院有限公司 | 一种呼叫处理方法及装置 |
CN107920154A (zh) * | 2017-10-31 | 2018-04-17 | 华勤通讯技术有限公司 | 陌生来电的处理方法及终端 |
CN108449482A (zh) * | 2018-02-09 | 2018-08-24 | 北京泰迪熊移动科技有限公司 | 号码识别的方法和系统 |
CN108924333A (zh) * | 2018-06-12 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 诈骗电话识别方法、装置和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10009461B2 (en) * | 2015-06-08 | 2018-06-26 | Sadiq Aziz Ansari | Dynamic user interface to reduce impact of unwanted calls |
CN109547393B (zh) * | 2017-09-21 | 2021-04-06 | 腾讯科技(深圳)有限公司 | 恶意号码识别方法、装置、设备和存储介质 |
-
2019
- 2019-04-29 CN CN201910356537.4A patent/CN110113471B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107295146A (zh) * | 2016-04-01 | 2017-10-24 | 中国移动通信集团设计院有限公司 | 一种呼叫处理方法及装置 |
CN107920154A (zh) * | 2017-10-31 | 2018-04-17 | 华勤通讯技术有限公司 | 陌生来电的处理方法及终端 |
CN108449482A (zh) * | 2018-02-09 | 2018-08-24 | 北京泰迪熊移动科技有限公司 | 号码识别的方法和系统 |
CN108924333A (zh) * | 2018-06-12 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 诈骗电话识别方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110113471A (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105556554A (zh) | 多个设备相关性 | |
CN103577660B (zh) | 灰度实验系统和方法 | |
CN111294730B (zh) | 一种网络问题投诉信息处理的方法及装置 | |
CN106919957A (zh) | 处理数据的方法及装置 | |
CN112333342B (zh) | 智能语音呼叫方法、装置、设备及存储介质 | |
CN110322295B (zh) | 关系强度确定方法及系统、服务器、计算机可读介质 | |
CN110113471B (zh) | 号码监测方法及装置 | |
CN105824805A (zh) | 一种识别方法及装置 | |
CN112866192A (zh) | 一种识别异常聚集行为的方法及装置 | |
CN112258070A (zh) | 一种智能派单方法和系统 | |
CN107085757B (zh) | 一种确定风险类用户的方法及装置 | |
CN110690982B (zh) | 一种电信网络管理性能数据关联分析方法及系统 | |
CN105450825A (zh) | 通信号码分类标记方法以及装置 | |
CN110689177A (zh) | 订单准备时间的预测方法和装置,电子设备及存储介质 | |
CN102262750A (zh) | 电子工单的责任判断方法和装置 | |
US8824459B2 (en) | Methods and apparatus to measure market share for voice over internet protocol carriers | |
CN116963267A (zh) | 小区基站的经纬度稽核方法、装置、存储介质和服务器 | |
CN108881591B (zh) | 一种多平台信息推荐方法、装置及存储介质 | |
CN114581251A (zh) | 数据校验方法、装置、计算机设备及计算机可读存储介质 | |
CN112085344A (zh) | 一种设备健康的分析方法、装置及电子设备 | |
CN109981325B (zh) | 一种告警阈值的设定方法、装置、计算设备及介质 | |
CN111401969A (zh) | 用于提高用户留存率的方法、装置、服务器及存储介质 | |
CN110727858A (zh) | 一种推荐方法、计算机存储介质及电子设备 | |
CN117973699B (zh) | 一种基于云计算的运维数据智能化管理系统及方法 | |
CN110519686A (zh) | 预设地点识别方法、装置、设备及计算机可读存储介质 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zuo Fujie Inventor after: Tian Zheng Inventor after: Shi Le Inventor after: Mao Yujian Inventor before: Zuo Fujie |
|
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zuo Fujie Inventor after: Tian Zheng Inventor after: Shi Le Inventor after: Mao Yujian Inventor before: Zuo Fujie |