CN111031546B - 一种应用于电话号码分析的lr模型训练方法及使用方法 - Google Patents

Abstract

本发明提供了一种应用于电话号码分析的LR模型训练方法及使用方法，所述方法包括：获取样本数据，包括：第一数量个黑名单电话号码、第二数量个白名单电话号码；针对样本数据中的每一个电话号码，获取与每一个电话号码对应的多个权值：采用逻辑回归算法对样本数据中的每一个电话号码的每一个权值进行训练，根据迭代次数获得每一个权值对应的样本值，将样本值与对应权值进行乘积，并获得每权值与样本值的乘积之和，根据乘积之和确定样本分类误差率，并在误差率小于预设阈值时确定训练后模型为可用的逻辑回归模型。应用本发明实施例，提高了民警的办案效率和准确性。

Description

一种应用于电话号码分析的LR模型训练方法及使用方法

技术领域

本发明涉及黑名单的电话号码分析技术领域，尤其涉及一种应用于电话号码分析的LR模型训练方法及使用方法。

背景技术

当今社会随着时代的进步和发展，电话也变得十分普及，在给人们生活带来便利的同时，也同样的危害着我们，其中电话诈骗是最常见的方式。以公安受理的案件为例，电话诈骗占了所有诈骗类案件的百分之六十以上，那么怎么侦破此类电话诈骗案就成为了公安民警很重要任务和工作。

电话诈骗具有一定的规律性，目前只是依靠一线民警的经验来侦破此类案件是远远不够的。同时，通过经验来侦破案件会导致准确率低、人力资源浪费和时间浪费的情况。如何通过智能方法有效地进行反电话诈骗，侦破各类电话诈骗，减少资源浪费，提高侦办案件效率，成为亟待解决的问题。

发明内容

本发明的目的在于提供一种应用于电话号码分析的LR模型训练方法及使用方法，旨在通过智能方法有效地进行反电话诈骗，侦破各类电话诈骗，减少资源浪费，提高侦办案件效率。

为了实现上述目的，本发明提供一种应用于电话号码分析的LR模型训练方法,所述方法包括：

获取样本数据，其中，所述样本数据包括：第一数量个黑名单电话号码、第二数量个白名单电话号码；

针对所述样本数据中的每一个电话号码，获取与每一个电话号码对应的多个权值：根据号码的归属地获取归属地权值、呼出电话次数不小于预设阈值的天数权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值，其中，所述天数权值为呼出电话次数不小于预设阈值的天数与当月天数的比值，所述使用基站的权值为使用基站的个数除以该电话总通话记录数，所述归属地与总通话记录所对应的权值为主叫对端归属地总和除以该电话总通话记录数，所述短时通话的权值为通话时长小于预设时间的通话记录数除以该电话总通话记录数，所述关联号码的权值为与该号码关联的IMEI是否是黑名单，所述相似号码的权值为该号码的预设位数已属于黑名单的权值；

采用逻辑回归算法对样本数据中的每一个电话号码的每一个权值进行训练，根据迭代次数进行训练，训练中针对一个电话号码执行操作：根据迭代次数获得每一个权值对应的样本值，将样本值与对应权值进行乘积，并获得每权值与样本值的乘积之和，根据乘积之和确定样本分类误差率，并在误差率小于预设阈值时确定训练后模型为可用的逻辑回归模型。

一种实现方式中，所述方法还包括：

设置黑名单电话号码的权重值和白名单电话号码的权重值，并将每一个电话号码的权值与该电话号码对应的多个权值组成多维行向量；

将每一个电话号码对应的多维行向量组成矩阵；

所述采用逻辑回归算法对样本数据中的每一个电话号码的每一个权值进行训练的步骤，包括：

采用逻辑回归算法对所述矩阵中的每一个电话号码的每一个权值进行训练。

一种实现方式中，所述获取样本数据的步骤，包括：

获取一预设时间段内，同一批基站相同数量的第一数量个黑名单电话号码和第二数量个白名单电话号码。

本发明还提供一种应用于电话号码分析的LR模型使用方法，所述方法包括：

针对待测号码，获得每一个待测号码对应的多个权值：根据号码的归属地获取归属地权值、待测号码次数不小于预设阈值的天数权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值，其中，所述天数权值为待测号码次数不小于预设阈值的天数与当月天数的比值，所述使用基站的权值为使用基站的个数除以该待测电话总通话记录数，所述归属地与总通话记录所对应的权值为主叫对端归属地总和除以该待测号码电话总通话记录数，所述短时通话的权值为通话时长小于预设时间的通话记录数除以该待测号码的电话总通话记录数，所述关联号码的权值为与该待测号码关联的IMEI是否是黑名单，所述相似号码的权值为该待测号码的预设位数已属于黑名单的权值；

将待测号码所对应的权值通过逻辑回归模型，并通过所述逻辑模型进行训练打分，并在输出的打分值不小于预设分数的情况下，输出与该待测号码对应的打分。

一种实现方式中，在待测号码为多个的情况下，所述通过所述逻辑模型进行训练打分，并在输出的打分值不小于预设分数的情况下，输出与该待测号码对应的打分的步骤，包括：

对每一个待测号码进行训练打分；

获取不小于预设分数的打分值，并将打分值按照降序进行排列输出。

应用本发明提供的一种应用于电话号码分析的LR模型训练方法及使用方法，具有以下有益效果：

能够通过通话记录进行诈骗号码的推荐，帮助民警进行电话诈骗类案件侦破，此外还能将民警的反电话诈骗的经验集成进系统中，使得系统推荐的号码越来越准确，提高了民警的办案效率和准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的应用于电话号码分析的LR模型训练方法的一种流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

参见图1，本发明实施例提供一种应用于电话号码分析的LR模型训练方法，所述方法包括：

S101，获取样本数据，其中，所述样本数据包括：第一数量个黑名单电话号码、第二数量个白名单电话号码；

需要说明的是，将一预设时间段内同一时间段、同一批基站相同数量的黑名单(已确定是诈骗电话)和白名单(已确定非诈骗电话)号码的通话记录样本存入话单数据库中。

S102，针对所述样本数据中的每一个电话号码，获取与每一个电话号码对应的多个权值：根据号码的归属地获取归属地权值、呼出电话次数不小于预设阈值的天数权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值，其中，所述天数权值为呼出电话次数不小于预设阈值的天数与当月天数的比值，所述使用基站的权值为使用基站的个数除以该电话总通话记录数，所述归属地与总通话记录所对应的权值为主叫对端归属地总和除以该电话总通话记录数，所述短时通话的权值为通话时长小于预设时间的通话记录数除以该电话总通话记录数，所述关联号码的权值为与该号码关联的IMEI是否是黑名单，所述相似号码的权值为该号码的预设位数已属于黑名单的权值；

可以理解的是，话单数据库中存储的是号码通话记录的相关数据，根据话单数据库中获取与每一个电话号码对应的权重值，即归属地的权值、天数权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值。

其中，所述天数权值为呼出电话次数不小于预设阈值的天数与当月天数的比值，所述使用基站的权值为使用基站的个数除以该电话总通话记录数，所述归属地与总通话记录所对应的权值为主叫对端归属地总和除以该电话总通话记录数，所述短时通话的权值为通话时长小于预设时间的通话记录数除以该电话总通话记录数，所述关联号码的权值为与该号码关联的IMEI是否是黑名单，所述相似号码的权值为该号码的预设位数已属于黑名单的权值。

在本发明实施例中，以武汉为例，根据通话记录信息，分别计算出号码归属地是否武汉(0：否；1：是，1或者0及就是号码归属地权值)、呼出电话超过(50)次的天数(及时天数权值，例如呼出电话次数的阈值为50，那么这里就是呼出电话超过50的天数)、使用基站的个数除以该电话总通话记录数(实用基站的权值具体可以是截止目前为止所有的通话和所有的基站的比值)、主叫对端归属地总和除以该电话总通话记录数(归属地与总通话记录所对应的权值)、通话时长小于预设时间(例如为30s)的通话记录数除以该电话总通话记录数(为短时通话的权值)、和这个号码关联的IMEI是否是黑名单(关联号码的权值为1或者是0，例如1:是；0:否)、号码的前7位(号码前7为相同的确认为相似号码，也可以是其他的规定)是否在黑名单库中(1:是；0:否)7个权重值，并存入数据库中。

示例性的，如表1所示，其中权值1-权值7为与：归属地获取归属地权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值相对应、呼出电话次数不小于预设阈值的天数权值，黑白名单标记所对应的列为样本标签标记(黑名单号码标记为1，白名单号码标记为0)，获得的权值如下：

表1

S103，采用逻辑回归算法对样本数据中的每一个电话号码的每一个权值进行训练，根据迭代次数进行训练，训练中针对一个电话号码执行操作：根据迭代次数获得每一个权值对应的样本值，将样本值与对应权值进行乘积，并获得每权值与样本值的乘积之和，根据乘积之和确定样本分类误差率，并在误差率小于预设阈值时确定训练后模型为可用的逻辑回归模型。

需要说明的是，根据通话记录信息获取与每一个电话号码对应的权重值，即归属地的权值、天数权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值；将所有的号码的7项权重值从数据库中取出，利用逻辑回归算法进行样本训练。

可以理解的是，将黑名单电话号码的权重值和白名单电话号码的权重值，每一个电话号码的权值与该电话号码对应的多个权值组成多维行向量，将每一个电话号码对应的多维行向量组成矩阵，采用逻辑回归算法对所述矩阵中的每一个电话号码的每一个权值进行训练。根据迭代次数获得每一个权值对应的样本值，最终得出样本7项权重值对应的样本值,将每个号码的7项权重值分别乘以训练出来的样本值，根据乘积之和确定样本分类误差率，并在误差率小于预设阈值时确定训练后模型为可用的逻辑回归模型。

假设，针对序号为1的行，针对其对应的每一个列所对应的权值(包含黑名名单的权值0或者是1也同样进行训练，其训练往往是固定的结果，所以通常只需要对其他7个权重值进行训练即可)进行训练获得样本值对应为：-3.750213007760566、0.2426491973355178、-3.273092565633019、-0.07374860602297614、-17.745991746634097、7.493042740682304、7.493042740682304、-1.642649146223178。

最终把每一列权重与中该列对应的预测值，然后把每一列的结果相加得到最终的得分值。

针对序号1中，0*-3.750213007760566+0*0.2426491973355178+0.017857*(-3.273092565633019)+0.053571*(-0.07374860602297614)+0.017857*(-17.745991746634097)+0*7.493042740682304+0*7.493042740682304+0*

-1.642649146223178，从而获得最终的分值。

本发明还提供一种应用于电话号码分析的LR模型使用方法，所述方法包括：

针对待测号码，获得每一个待测号码对应的多个权值：根据号码的归属地获取归属地权值、待测号码次数不小于预设阈值的天数权值、使用基站的权值、归属地的权值、短时通话的权值、关联号码的权值、相似号码的权值，其中，所述天数权值为待测号码次数不小于预设阈值的天数与当月天数的比值，所述使用基站的权值为使用基站的个数除以该待测电话总通话记录数，所述归属地的权值为主叫对端归属地总和除以该待测号码电话总通话记录数，所述短时通话的权值为通话时长小于预设时间的通话记录数除以该待测号码的电话总通话记录数，所述关联号码的权值为与该待测号码关联的IMEI是否是黑名单，所述相似号码的权值为该待测号码的预设位数已属于黑名单的权值；

将待测号码所对应的权值通过逻辑回归模型，并通过所述逻辑模型进行训练打分，并在输出的打分值不小于预设分数的情况下，输出与该待测号码对应的打分。

需要说明的是，逻辑回归模型包括话单多维分析系统和反电诈模型模块。反电诈模型模块又包括逻辑回归算法、通话记录、号码七要素权重。话单多维分析系统中话单多维分析系统客户端将通话记录数据导入到话单多维分析系统数据库后，调用反电诈模型模块，反电诈模型模块即是本发明方法的所在模块，根据话单多维分析系统客户端提供的通话记录信息，调用反电诈模型模块进行分析，话单数据库中存储的是号码通话记录的相关数据，当使用话单分析系统进行反电诈号码推荐时会去话单数据库中请求所需要的通话记录数据。

进一步的，根据每个号码的通话记录得出每个号码的权重值，即归属地的权值、天数权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值，把所有的号码的7项权重值从数据库中取出，利用逻辑回归算法进行样本训练，根据迭代次数获得每一个权值对应的样本值，最终得出样本7项权重值对应的样本值,每个号码的7项权重值分别乘以训练出来的样本值，根据乘积得到每个号码的最终得分，按照每个号码的最终得分降序排列，推荐给用户，分值越大的越有可能是诈骗电话。

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、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种应用于电话号码分析的LR模型训练方法，其特征在于，所述方法包括：

获取样本数据，其中，所述样本数据包括：第一数量个黑名单电话号码、第二数量个白名单电话号码；

针对所述样本数据中的每一个电话号码，获取与每一个电话号码对应的多个权值：根据号码的归属地获取归属地权值、呼出电话次数不小于预设阈值的天数权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值，其中，所述天数权值为呼出电话次数不小于预设阈值的天数与当月天数的比值，所述使用基站的权值为使用基站的个数除以该电话总通话记录数，所述归属地与总通话记录所对应的权值为主叫对端归属地总和除以该电话总通话记录数，所述短时通话的权值为通话时长小于预设时间的通话记录数除以该电话总通话记录数，所述关联号码的权值为与该号码关联的IMEI是否是黑名单，所述相似号码的权值为该号码的预设位数已属于黑名单的权值；

采用逻辑回归算法对样本数据中的每一个电话号码的每一个权值进行训练，根据迭代次数进行训练，训练中针对一个电话号码执行操作：根据迭代次数获得每一个权值对应的样本值，将样本值与对应权值进行乘积，并获得每权值与样本值的乘积之和，根据乘积之和确定样本分类误差率，并在误差率小于预设阈值时确定训练后模型为可用的逻辑回归模型；

设置黑名单电话号码的权重值和白名单电话号码的权重值，并将每一个电话号码的权值与该电话号码对应的多个权值组成多维行向量；

将每一个电话号码对应的多维行向量组成矩阵；

所述采用逻辑回归算法对样本数据中的每一个电话号码的每一个权值进行训练的步骤，包括：

采用逻辑回归算法对所述矩阵中的每一个电话号码的每一个权值进行训练。

2.根据权利要求1所述的应用于电话号码分析的LR模型训练方法，其特征在于，所述获取样本数据的步骤，包括：

获取一预设时间段内，同一批基站相同数量的第一数量个黑名单电话号码和第二数量个白名单电话号码。

3.根据权利要求1-2任一项的应用于电话号码分析的LR模型使用方法，其特征在于，所述方法包括：

针对待测号码，获得每一个待测号码对应的多个权值：根据号码的归属地获取归属地权值、待测号码次数不小于预设阈值的天数权值、使用基站的权值、归属地与总通话记录所对应的权值、短时通话的权值、关联号码的权值、相似号码的权值，其中，所述天数权值为待测号码次数不小于预设阈值的天数与当月天数的比值，所述使用基站的权值为使用基站的个数除以该待测电话总通话记录数，所述归属地与总通话记录所对应的权值为主叫对端归属地总和除以该待测号码电话总通话记录数，所述短时通话的权值为通话时长小于预设时间的通话记录数除以该待测号码的电话总通话记录数，所述关联号码的权值为与该待测号码关联的IMEI是否是黑名单，所述相似号码的权值为该待测号码的预设位数已属于黑名单的权值；

将待测号码所对应的权值通过逻辑回归模型，并通过所述逻辑回归模型进行训练打分，并在输出的打分值不小于预设分数的情况下，输出与该待测号码对应的打分。

4.根据权利要求3所述的应用于电话号码分析的LR模型使用方法，其特征在于，在待测号码为多个的情况下，所述通过所述逻辑回归模型进行训练打分，并在输出的打分值不小于预设分数的情况下，输出与该待测号码对应的打分的步骤，包括：

对每一个待测号码进行训练打分；

获取不小于预设分数的打分值，并将打分值按照降序进行排列输出。