来电提示方法和装置及分类方法和装置

1.一种来电提示方法，其特征在于，包括：
采集来电的特征属性，根据来电的特征属性归属分类数据库的类别，进行来电提示；
所述根据来电的特征属性归属分类数据库的类别进行来电提示包括：
获取训练样本集，所述训练样本集中包括被分成至少两个类别的若干电话；
确定所述电话的特征属性，并划分所述特征属性的取值范围；
计算出所述训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库；
若来电不在所述训练样本集中，根据所述来电的特征属性和分类数据库判断所述来电的类别，并向用户提示所述来电的类别。
2.根据权利要求1所述的来电提示方法，其特征在于，所述根据来电的特征属性和分类数据库判断所述来电的类别包括：
根据所述来电的特征属性从所述分类数据库中查询所述来电对应的第二概率；
根据所述第一概率和第二概率计算出所述来电属于每一类别的概率值；
判定所述来电的类别为最大概率值所对应的类别。
3.根据权利要求1或2所述的来电提示方法，其特征在于，所述获取训练样本集包括：
从外部获取训练样本集或/和获取用户手动分类生成的训练样本集。
4.根据权利要求1或2所述的来电提示方法，其特征在于，所述方法还包括：若所述来电在所述训练样本集中，则从所述训练样本集中查询所述来电的类别。
5.一种来电提示装置，其特征在于，包括采集模块和来电提示模块，其中：
采集模块，用于采集来电的特征属性；
来电提示模块，用于根据来电的特征属性归属分类数据库的类别，进行来电提示；
所述来电提示模块包括获取单元、训练单元、分类单元和提示单元，其中：
获取单元，用于获取训练样本集，所述训练样本集中包括被分成至少两个类别的若干电话；
训练单元，用于确定所述电话的特征属性，并划分所述特征属性的取值范围；计算出所述训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库；
分类单元，用于对来电进行分类，若所述来电不在所述训练样本集中，根据所述来电的特征属性和分类数据库判断所述来电的类别；
提示单元，用于向用户提示所述来电的类别。
6.根据权利要求5所述的来电提示装置，其特征在于，所述分类单元用于：
根据所述来电的特征属性从所述分类数据库中查询所述来电对应的第二概率；
根据所述第一概率和第二概率计算出所述来电属于每一类别的概率值；
判定所述来电的类别为最大概率值所对应的类别。
7.根据权利要求5或6所述的来电提示装置，其特征在于，所述获取单元用于：从外部获取训练样本集或/和获取用户手动分类生成的训练样本集。
8.一种分类方法，其特征在于，包括步骤：
获取训练样本集，所述训练样本集中包括被分成至少两个类别的若干对象；
确定所述对象的特征属性，并划分所述特征属性的取值范围；
计算出所述训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库；
对分类对象进行分类时，若所述分类对象不在所述训练样本集中，获取所述分类对象的特征属性，并根据所述分类对象的特征属性和分类数据库判断所述分类对象的类别。
9.根据权利要求8所述的分类方法，其特征在于，所述根据所述分类对象的特征属性和分类数据库判断所述分类对象的类别包括：
根据所述分类对象的特征属性从所述分类数据库中查询所述分类对象对应的第二概率；
根据所述第一概率和第二概率计算出所述分类对象属于每一类别的概率值；
判定所述分类对象的类别为最大概率值所对应的类别。
10.根据权利要求8或9所述的分类方法，其特征在于，所述获取训练样本集包括：从外部获取训练样本集或/和获取用户手动分类生成的训练样本集。
11.一种分类装置，其特征在于，包括获取模块、训练模块和分类模块，其中：
获取模块，用于获取训练样本集，所述训练样本集中包括被分成至少两个类别的若干对象；
训练模块，用于确定所述对象的特征属性，并划分所述特征属性的取值范围；计算出所述训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库；
分类模块，用于对分类对象进行分类，若所述分类对象不在所述训练样本集中，获取所述分类对象的特征属性，并根据所述分类对象的特征属性和分类数据库判断所述分类对象的类别。
12.根据权利要求11所述的分类装置，其特征在于，所述分类模块用于：
根据所述分类对象的特征属性从所述分类数据库中查询所述分类对象对应的第二概率；
根据所述第一概率和第二概率计算出所述分类对象属于每一类别的概率值；
判定所述分类对象的类别为最大概率值所对应的类别。
13.根据权利要求11或12所述的分类装置，其特征在于，所述获取模块用于：从外部获取训练样本集或/和获取用户手动分类生成的训练样本集。

来电提示方法和装置及分类方法和装置\n技术领域\n[0001] 本发明涉及通信技术领域，尤其是涉及一种来电提示方法和装置及分类方法和装置。\n背景技术\n[0002] 随着手机的普及，人与人之间的联系和沟通越来越方便，与此同时，广告、诈骗等骚扰电话也越来越多，对人们的生活造成了极大的困扰。传统的防止骚扰电话的方法是在手机上设置电话黑白名单，预先将骚扰电话存入电话黑名单中，或用户接通电话后发现是骚扰电话时将其标记为骚扰电话。当接到电话黑名单中的号码时，手机则自动屏蔽该号码。\n然而，通过电话黑白名单判断骚扰电话是一个静态的过程，对于不在黑白名单中的陌生电话则不能作出判别或判别的准确率极低。\n[0003] 现有技术中，还有一种防止骚扰电话的方法，通过对来电号码的呼叫时间区间、呼叫持续的时间长度、以及呼入次数的统计，识别出骚扰电话。虽然这种方法实现了对不在黑百名单中的陌生电话的识别，但仅通过来电号码的历史通信记录来判断是否为骚扰电话，判别的准确率较低，容易造成误判。\n发明内容\n[0004] 本发明的主要目的在于提供一种来电提示方法和装置，旨在提高判别骚扰电话的准确性，降低误判率。\n[0005] 本发明还提供一种分类方法和装置，旨在提高分类质量，降低误判率。\n[0006] 为达以上目的，本发明提出一种来电提示方法，包括：\n[0007] 采集来电的特征属性，根据来电的特征属性归属分类数据库的类别，进行来电提示。\n[0008] 优选地，所述根据来电的特征属性归属分类数据库的类别进行来电提示包括：\n[0009] 获取训练样本集，所述训练样本集中包括被分成至少两个类别的若干电话；\n[0010] 确定所述电话的特征属性，并划分所述特征属性的取值范围；\n[0011] 计算出所述训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库；\n[0012] 若来电不在所述训练样本集中，根据所述来电的特征属性和分类数据库判断所述来电的类别，并向用户提示所述来电的类别。\n[0013] 优选地，所述根据来电的特征属性和分类数据库判断所述来电的类别包括：\n[0014] 根据所述来电的特征属性从所述分类数据库中查询所述来电对应的第二概率；\n[0015] 根据所述第一概率和第二概率计算出所述来电属于每一类别的概率值；\n[0016] 判定所述来电的类别为最大概率值所对应的类别。\n[0017] 优选地，所述获取训练样本集包括：从外部获取训练样本集或/和获取用户手动分类生成的训练样本集。\n[0018] 优选地，所述方法还包括：若所述来电在所述训练样本集中，则从所述训练样本集中查询所述来电的类别。\n[0019] 本发明同时提出一种来电提示装置，包括采集模块和来电提示模块，其中：\n[0020] 采集模块，用于采集来电的特征属性；\n[0021] 来电提示模块，用于根据来电的特征属性归属分类数据库的类别，进行来电提示。\n[0022] 优选地，所述来电提示模块包括获取单元、训练单元、分类单元和提示单元，其中：\n[0023] 获取单元，用于获取训练样本集，所述训练样本集中包括被分成至少两个类别的若干电话；\n[0024] 训练单元，用于确定所述电话的特征属性，并划分所述特征属性的取值范围；计算出所述训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库；\n[0025] 分类单元，用于对来电进行分类，若所述来电不在所述训练样本集中，根据所述来电的特征属性和分类数据库判断所述来电的类别；\n[0026] 提示单元，用于向用户提示所述来电的类别。\n[0027] 优选地，所述分类单元用于：\n[0028] 根据所述来电的特征属性从所述分类数据库中查询所述来电对应的第二概率；\n[0029] 根据所述第一概率和第二概率计算出所述来电属于每一类别的概率值；\n[0030] 判定所述来电的类别为最大概率值所对应的类别。\n[0031] 优选地，所述获取单元用于：从外部获取训练样本集或/和获取用户手动分类生成的训练样本集。\n[0032] 基于同样的发明构思，本发明还提出一种分类方法，包括步骤：\n[0033] 获取训练样本集，所述训练样本集中包括被分成至少两个类别的若干对象；\n[0034] 确定所述对象的特征属性，并划分所述特征属性的取值范围；\n[0035] 计算出所述训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库；\n[0036] 对分类对象进行分类时，若所述分类对象不在所述训练样本集中，获取所述分类对象的特征属性，并根据所述分类对象的特征属性和分类数据库判断所述分类对象的类别。\n[0037] 优选地，所述根据所述分类对象的特征属性和分类数据库判断所述分类对象的类别包括：\n[0038] 根据所述分类对象的特征属性从所述分类数据库中查询所述分类对象对应的第二概率；\n[0039] 根据所述第一概率和第二概率计算出所述分类对象属于每一类别的概率值；\n[0040] 判定所述分类对象的类别为最大概率值所对应的类别。\n[0041] 优选地，所述获取训练样本集包括：从外部获取训练样本集或/和获取用户手动分类生成的训练样本集。\n[0042] 本发明同时提出一种分类装置，包括获取模块、训练模块和分类模块，其中：\n[0043] 获取模块，用于获取训练样本集，所述训练样本集中包括被分成至少两个类别的若干对象；\n[0044] 训练模块，用于确定所述对象的特征属性，并划分所述特征属性的取值范围；计算出所述训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库；\n[0045] 分类模块，用于对分类对象进行分类，若所述分类对象不在所述训练样本集中，获取所述分类对象的特征属性，并根据所述分类对象的特征属性和分类数据库判断所述分类对象的类别。\n[0046] 优选地，所述分类模块用于：\n[0047] 根据所述分类对象的特征属性从所述分类数据库中查询所述分类对象对应的第二概率；\n[0048] 根据所述第一概率和第二概率计算出所述分类对象属于每一类别的概率值；\n[0049] 判定所述分类对象的类别为最大概率值所对应的类别。\n[0050] 优选地，所述获取模块用于：从外部获取训练样本集或/和获取用户手动分类生成的训练样本集。\n[0051] 本发明所提供的一种来电提示方法，通过动态的获取训练样本集，并对训练样本集进行动态的统计和学习，生成动态的分类数据库，根据分类数据库对来电进行分类，不但可以判别来电是否为骚扰电话，还可以进一步识别出该来电所属类别，如家庭电话、工作电话、房地产电话等。由于分类数据库根据训练样本集和用户通信数据的更新而动态的、持续的更新和完善，因此针对不同的用户具有不同的分类结果，符合用户的使用习惯和人脉关系，具有分类质量高、分类速度快、误判率低的特点。进一步的，通过校准机制，还可以对未知来电的类别进行识别，进一步的还可以对来电类别进行提示。\n附图说明\n[0052] 图1是本发明的来电提示方法一实施例的流程图；\n[0053] 图2是图1中步骤S107的具体流程图；\n[0054] 图3是本发明的来电提示装置一实施例的结构框图；\n[0055] 图4是图3中来电提示模块的结构框图；\n[0056] 图5是本发明的分类方法一实施例的流程图；\n[0057] 图6是图5中步骤S207的具体流程图；\n[0058] 图7是本发明的分类装置一实施例的结构框图。\n[0059] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。\n具体实施方式\n[0060] 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。\n[0061] 本发明的来电提示方法，通过采集来电的特征属性，根据来电的特征属性归属分类数据库的类别来进行来电提示。具体通过以下实施例进行详细说明。\n[0062] 参见图1，提出本发明的来电提示方法一实施例，所述来电提示方法包括以下步骤：\n[0063] 步骤S101：获取训练样本集，训练样本集中包括被分成至少两个类别的若干电话[0064] 可以从外部获取训练样本集，如从网络数据库中获取电话分类集合作为训练样本集；也可以从本地获取训练样本集，如由用户手动标识或分类而生成的电话分类集合，将该分类集合作为训练样本集；或者综合前述两种途径获取训练样本集，并定时或实时的更新，自动更新或用户手动更新。训练样本集中的电话进行了分类，如分为骚扰电话和正常电话两个类别，或者分为工作电话、家庭电话、朋友电话、快递电话、房地产电话等多个类别。\n[0065] 步骤S102：确定电话的特征属性，并划分特征属性的取值范围\n[0066] 特征属性包括：接电话次数、拨电话次数、接电话时长、拨电话时长、接通次数、未接通次数、主动挂断次数、被挂断次数、接电话时间(24h)、打电话时间(24h)等，还可以是接电话次数与接电话时长的比率(接电话次数/接电话时长)、拨电话次数与拨电话时长的比率(拨电话次数/拨电话时长)等，并对各特征属性的取值范围进行划分，至少划分为两个范围。\n[0067] 步骤S103：计算出训练样本集中每个类别在该训练样本集中的第一概率，以及每一类别中每一特征属性下不同取值范围的第二概率，据此生成分类数据库[0068] 其中，第一概率是指某一类别的电话数量占整个训练样本集中所有电话的总量的比值。第二概率是指某一类别中具有某一取值范围的特征属性的电话数量占该类别中具有该特征属性的所有电话的数量的比值。设训练样本集中包括y1～yn共n个类别，电话包括a1～am共m个特征属性，则第一概率包括P(y1)～P(yn)共n个数值，第二概率包括P(a1∣y1)、P(a2∣y1)…P(am∣yn)共m*n个数值。\n[0069] 例如，训练样本集中收集了1000个电话，其中骚扰电话400个，正常电话600个，则骚扰电话的第一概率为400/1000＝0.4，正常电话的第一概率为600/1000＝\n0.6。同时，特征属性“接通电话时长”(单位：分钟)a包括三个的取值范围，分别为，a≤0.05,0.05