(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211228178.2 (22)申请日 2022.10.08 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 陈圣　杨晓勤　于师瑶　高姗　 张志佳　张相武　杨涛　郑越　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 张倩 (51)Int.Cl. G06K 9/62(2022.01) G06F 40/216(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 一种垃圾邮件的识别方法、 装置、 存储介质 及设备 (57)摘要 本申请公开了一种垃圾邮件的识别方法、 装 置、 存储介质及设备， 对于从邮件信息库中获取 的每个邮件， 对邮件所示的文本内容进行预处 理， 得到目标分词结果； 从各个关键词 中筛选出 目标关键词并输入至词向量模型中， 得到词向量 模型输出的向量结果； 基于每个目标关键词的词 向量， 生成邮件的特征向量； 对各个邮件的特征 向量进行模糊聚类， 得到聚类中心、 每个邮件与 聚类中心之间的距离； 当邮件与聚类中心之间的 距离大于预设阈值时， 将邮件标识为垃圾邮件， 与现有技术相比， 面对垃圾邮件内容更新速度较 快时， 根据邮件与聚类中心之间的距离判断邮件 是否为垃圾邮件， 解决了因关键词更新不及时未 识别出垃圾邮件的问题， 提升了识别垃圾邮件的 准确度。 权利要求书2页 说明书7页 附图3页 CN 115423044 A 2022.12.02 CN 115423044 A 1.一种垃圾邮件的识别方法， 其特 征在于， 包括： 对于从邮件信息库中获取的每个邮件， 对所述 邮件所示的文本内容进行预处理， 得到 目标分词结果； 所述目标分词结果包括多个关键词； 从各个所述关键词中筛 选出一个或多个目标关键词； 将每个所述目标关键词输入至词向量模型中， 得到所述词向量模型输出的向量结果； 所述向量结果至少包括每 个所述目标关键词的词向量； 基于每个所述目标关键词的词向量， 生成所述邮件的特 征向量； 对各个所述 邮件的特征向量进行模糊聚类， 得到聚类中心， 以及每个所述 邮件与所述 聚类中心之间的距离； 对于每个所述 邮件， 当所述 邮件与所述聚类中心之间的距离大于预设阈值时， 将所述 邮件标识为垃圾邮件， 并向用户发送所述垃圾邮件的提 示信息。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述邮件所示的文本内容进行预处 理， 得到目标分词结果， 包括： 对所述邮件所示的文本内容进行分词处 理， 得到分词结果； 对所述分词结果进行去停用词处 理， 得到目标分词结果。 3.根据权利要求1所述的方法， 其特征在于， 所述从各个所述关键词中筛选出一个或多 个目标关键词， 包括： 按照关键词的出现频率由高到低的顺序， 对各个所述关键词进行排序， 得到关键词序 列； 其中， 所述关键词序列包括各个所述关键词、 各个所述关键词的序位； 从所述关键词序列中选取符合预设条件的一个或多个所述关键词， 标识为目标关键 词； 其中， 所述预设条件为： 所述关键词的序位小于预设序位。 4.根据权利要求1所述的方法， 其特 征在于， 还 包括： 当所述邮件与 所述聚类中心之间的距离不大于所述预设阈值 时， 将所述邮件标识为所 述正常邮件。 5.一种垃圾邮件的识别装置， 其特 征在于， 包括： 获取单元， 用于对于从邮件信息库中获取的每个邮件， 对所述 邮件所示的文本内容进 行预处理， 得到目标分词结果； 所述目标分词结果包括多个关键词； 筛选单元， 用于从各个所述关键词中筛 选出一个或多个目标关键词； 输入单元， 用于将每个所述目标关键词输入至词向量模型中， 得到所述词向量模型输 出的向量结果； 所述向量结果至少包括每 个所述目标关键词的词向量； 生成单元， 用于基于每 个所述目标关键词的词向量， 生成所述邮件的特 征向量； 聚类单元， 用于对各个所述邮件的特征向量进行模糊聚类， 得到聚类 中心， 以及每个所 述邮件与所述聚类中心之间的距离； 标识单元， 用于对于每个所述 邮件， 当所述 邮件与所述聚类中心之间的距离大于预设 阈值时， 将所述邮件标识为垃圾邮件， 并向用户发送所述垃圾邮件的提 示信息。 6.根据权利要求5所述的装置， 其特 征在于， 所述获取 单元具体用于： 对所述邮件所示的文本内容进行分词处 理， 得到分词结果； 对所述分词结果进行去停用词处 理， 得到目标分词结果。 7.根据权利要求5所述的装置， 其特 征在于， 所述筛 选单元具体用于：权　利　要　求　书 1/2 页 2 CN 115423044 A 2按照关键词的出现频率由高到低的顺序， 对各个所述关键词进行排序， 得到关键词序 列； 其中， 所述关键词序列包括各个所述关键词、 各个所述关键词的序位； 从所述关键词序列中选取符合预设条件的一个或多个所述关键词， 标识为目标关键 词； 其中， 所述预设条件为： 所述关键词的序位小于预设序位。 8.根据权利要求5所述的装置， 其特 征在于， 还 包括： 当所述邮件与 所述聚类中心之间的距离不大于所述预设阈值 时， 将所述邮件标识为所 述正常邮件。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的程序， 其中， 所述 程序执行权利要求1 ‑4任一所述的垃圾邮件的识别方法。 10.一种垃圾 邮件的识别设备， 其特征在于， 包括： 处理器、 存储器和总线； 所述处理器 与所述存 储器通过 所述总线连接； 所述存储器用于存储程序， 所述处理器用于运行程序， 其中， 所述程序运行时执行权利 要求1‑4任一所述的垃圾邮件的识别方法。权　利　要　求　书 2/2 页 3 CN 115423044 A 3