CN113660369B - 来电处理及模型训练方法、装置、终端设备和存储介质 - Google Patents

来电处理及模型训练方法、装置、终端设备和存储介质 Download PDF

Info

Publication number
CN113660369B
CN113660369B CN202111105256.5A CN202111105256A CN113660369B CN 113660369 B CN113660369 B CN 113660369B CN 202111105256 A CN202111105256 A CN 202111105256A CN 113660369 B CN113660369 B CN 113660369B
Authority
CN
China
Prior art keywords
incoming call
convolution kernel
type
sample
convolutional neural
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
Application number
CN202111105256.5A
Other languages
English (en)
Other versions
CN113660369A (zh
Inventor
刘春洁
黄磊
郭子奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Spreadtrum Communications Tianjin Co Ltd
Original Assignee
Spreadtrum Communications Tianjin Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Spreadtrum Communications Tianjin Co Ltd filed Critical Spreadtrum Communications Tianjin Co Ltd
Priority to CN202111105256.5A priority Critical patent/CN113660369B/zh
Publication of CN113660369A publication Critical patent/CN113660369A/zh
Application granted granted Critical
Publication of CN113660369B publication Critical patent/CN113660369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本申请实施例提供一种来电处理及模型训练方法、装置、终端设备和存储介质，其中，来电处理方法包括：获得来电号码的分类参考信息；将所述来电号码及所述分类参考信息输入预先训练好的卷积神经网络模型，确定所述来电号码的类型，例如确定来电号码是否为骚扰电话，根据所述来电号码的类型对来电进行处理。从而可以在用户接听电话前对电话进行过滤，避免接听骚扰电话，提升用户的使用体验。通过本申请实施例提供的来电处理方法可以对来电号码进行分类，可对不同种类的来电号码做不同处理，并对业务需要转移的号码采用显示呼叫转移技术对来电进行转接。

Description

来电处理及模型训练方法、装置、终端设备和存储介质
【技术领域】
本申请实施例涉及通信领域，尤其涉及一种来电处理及模型训练方法、装置、终端设备和存储介质。
【背景技术】
随着科技及社会的不断发展，移动通信服务已成为人们工作生活中不可或缺的一部分。然而，随着移动通信服务的不断普及以及日益加剧的个人信息泄漏，利用移动通信服务进行电话骚扰的现象也日益增多。
目前只能通过人工经验建立黑名单、标记广告、拦截软件等方式对部分来电号码进行拦截，不能智能识别来电号码的具体类型，不能根据来电号码不同做出不同的处理。
【发明内容】
本申请实施例提供了一种来电处理及模型训练方法、装置、终端设备和存储介质，以实现当接收到来电时智能识别来电号码的类型，根据来电号码的类型进行相应处理。
第一方面，本申请实施例提供一种来电处理方法，所述来电处理方法包括：获得来电号码的分类参考信息；将所述来电号码及所述分类参考信息输入预先训练好的卷积神经网络模型，确定所述来电号码的类型，所述卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核、第二卷积核；根据所述来电号码的类型对来电进行处理。
上述来电处理方法中，在接收到来电之后，获得来电号码的分类参考信息，将来电号码与分类参考信息输入预先训练好的卷积神经网络模型，得到来电号码的类型，然后依据来电号码的类型对来电进行相应的处理，从而可以在用户接听电话前对电话进行过滤，避免接听骚扰电话，提升用户的使用体验。
其中一种可能的实现方式中，所述第一卷积核与所述第二卷积核的结构不同。
其中一种可能的实现方式中，所述第一卷积核为1×1卷积核，所述第二卷积核为3×1卷积核。
其中一种可能的实现方式中，所述卷积神经网络模型是以样本来电号码以及所述样本来电号码对应的样本分类参考信息以及样本来电号码类型作为模型训练样本得到的，其中，所述样本来电号码类型包括业务转移号码、骚扰号码、短信拒接号码及正常接听号码。
其中一种可能的实现方式中，所述来电号码的分类参考信息包括：来电时间、网络用户标记号码类型、网络用户拒接次数、用户个人拒接次数、用户个人标记号码类型。
其中一种可能的实现方式中，所述根据所述来电号码的类型对来电进行处理的步骤包括：当确定所述来电号码的类型为业务转移号码，将所述来电转移至所述业务转移的目标号码；当确定所述来电号码的类型为骚扰号码，对所述来电拒接处理；当确定所述来电号码的类型为短信拒接号码，对所述来电拒接处理，并向所述来电号码发送提示短信，所述提示短信用以提示拒接原因；当确定所述来电号码的类型为正常来电号码，对所述来电正常显示。
通过上述的实现方式，可以根据来电号码的类型，自动进行业务分发，即，根据不同的来电号码类型自动分发不同业务。
其中，当确定所述来电号码的类型为业务转移号码时，可采用显示呼叫转移(Explicit Call Transfer，ECT)技术将所述来电转移至所述业务转移的目标号码。
其中一种可能的实现方式中，当确定所述来电号码的类型为业务转移号码时，所述根据所述来电号码的类型对来电进行处理的步骤还包括：确定将所述来电转移至所述业务转移的目标号码是否成功；若未成功，对所述来电正常显示。
其中一种可能的实现方式中，所述获得来电号码的分类参考信息包括：获得存储于预设数据库的网络用户标记号码类型及网络用户拒接次数；其中网络用户标记号码类型为网络用户对所述来电号码标记的号码类型，网络用户拒接次数为网络用户对所述来电号码的拒接次数；获得存储于终端的用户个人拒接次数及用户个人标记号码类型。
第二方面，本申请实施例提供一种模型训练方法，所述模型训练方法包括：获得样本来电号码、样本来电号码对应的样本分类参考信息以及所述样本来电号码对应的号码类型；将所述样本来电号码、所述样本分类参考信息输入预先建立的卷积神经网络模型，得到所述样本来电号码的分类结果，其中，所述卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核、第二卷积核；依据所述样本来电号码对应的号码类型和所述样本来电号码的分类结果对所述卷积神经网络模型进行参数更新，得到训练后的卷积神经网络模型。
其中一种可能的实现方式中，所述第一卷积核与所述第二卷积核的结构不同。
其中一种可能的实现方式中，所述第一卷积核为1×1卷积核，所述第二卷积核为3×1卷积核。
第三方面，本申请实施例提供一种来电处理装置，所述来电处理装置包括：
数据模块，用于获得来电号码的分类参考信息；处理模块，用于将所述来电号码及来电号码的分类参考信息输入预先训练好的卷积神经网络模型，确定所述来电号码的类型，所述卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核、第二卷积核；所述处理模块还用于根据所述来电号码的类型对来电进行处理。
第四方面，本申请实施例提供了一种电子终端设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述任意一项的来电处理方法或者模型训练方法。
第五方面，本申请实施例提供了一种存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现上述任意一项的来电处理方法或者模型训练方法。
应当理解的是，本申请实施例的第二～五方面与本申请实施例的第一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。
【附图说明】
为了更清楚地说明本申请实施例的技术方案，下面将对实施例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说明书的一些实施例，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为本申请一个实施例提供的模型训练方法的流程示意图；
图2为本申请一个实施例提供卷积神经网络模型的示意图；
图3为本申请一个实施例提供的卷积神经网络模型的参数示意图；
图4为本申请一个实施例提供的来电处理方法的流程示意图；
图5为本申请又一个实施例提供的来电处理方法的流程示意图；
图6为本申请又一个实施例提供的来电处理方法的流程示意图；
图7为本申请又一个实施例提供的来电处理方法的流程示意图；
图8为本申请一个实施例提供的来电处理装置的功能框图；
图9为本申请一个实施例提供的模型训练装置的功能框图；
图10为本申请一个实施例提供的电子终端设备的结构示意图。
【具体实施方式】
为了更好的理解本说明书的技术方案，下面结合附图对本申请实施例进行详细描述。
应当明确，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本说明书保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
随着科技及社会的不断发展，移动通信服务已成为人们工作生活中不可或缺的一部分。然而，随着移动通信服务的不断普及以及日益加剧的个人信息泄漏，利用移动通信服务进行电话骚扰的现象也日益增多。而且目前各部门的业务更加颗粒化，对业务转移需求越来越大。
现有方法只能通过黑名单，标记广告，拦截软件等方式对部分骚扰电话进行拦截，但除骚扰电话之外，还存在其他的来电类型，例如，在开会或工作时间拨入的非骚扰电话无法及时接听，需要发短信告知，此类来电号码可以称之为短信拒接号码；或者总机接到的来电号码需要进一步转接至分机、设置了业务转移等，此类号码可以称之为业务转移号码，现有方法无法识别这些号码类型，无法针对不同的来电号码类型进行相应的处理。
为了改善上述问题，提高对来电号码的类型识别能力，本申请提供了一种模型训练方法，请参阅图1，图1示出了本申请实施例提供的一种模型训练方法的流程示意图。
S210：获得样本来电号码、样本来电号码对应的样本分类参考信息以及样本来电号码对应的号码类型。
训练样本包括样本来电号码、该样本来电号码对应的样本分类参考信息，以及样本来电号码对应的号码类型。其中，样本分类参考信息包括样本来电号码的来电时间、网络用户标记号码类型、网络用户拒接次数、用户个人标记号码类型以及用户个人拒接次数。
来电时间即接收到来电的时间，网络用户标记号码类型为网络用户对样本来电号码标记的号码类型，网络用户拒接次数为网络用户对该样本来电号码的拒接次数。用户个人拒接次数指用户所使用的终端拒接该样本来电号码的次数，若用户使用多个终端进行通信，用户个人拒接次数也可以是其中的一个或多个终端拒接该样本来电号码的次数。用户个人标记号码类型指用户所使用的终端对该样本来电号码标记的号码类型，若用户使用多个终端进行通信，用户个人标记号码类型也可以是用户通过其中的一个或多个终端对该样本来电号码标记的号码类型。
在一些可能的实施方式中，上述号码类型包括：业务转移号码、骚扰号码、短信拒接号码以及正常来电号码。
S220：将样本来电号码、样本分类参考信息输入预先建立的卷积神经网络(Convolutional Neural Networks,CNN)模型，得到样本来电号码的分类结果。
其中，卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核、第二卷积核。
将上述样本来电号码、样本分类参考信息输入预先建立的卷积神经网络模型，得到样本来电号码的分类结果。如图2与图3所示，图2示出了本申请实施例提供的卷积神经网络模型的结构示意图，图3示出了本申请实施例提供的卷积神经网络模型的参数示意图。本申请实施例提供的卷积神经网络模型包括多个单元层、全连接层以及softmax层。多个单元层、全连接层以及softmax层依次连接。其中每一个单元层均包括归一化层、第一卷积核与第二卷积核，第一卷积核输出的数据由第一激活函数进行处理，第二卷积核输出的数据由第二激活函数进行处理，单元层的内部采用resnet连接方式，网络的学习率设置为0.001，步长为1，上述第一激活函数与第二激活函数可以采用修正线性单元(Rectified LinearUnit，ReLU)。
将上述样本来电号码、样本分类参考信息输入预先建立的卷积神经网络模型，卷积神经网络模型提取样本来电号码及样本分类参考信息中的特征经过卷积、激活函数、全连接等卷积神经网络计算，得到样本来电号码的分类结果。
例如，假定输入参数为xi，xi的长度可以为n，如本申请实施例中n为6，即xi＝(x1，x2，x3，x4，x5，x6)，其中x1可以代表来电号码，x2可以代表来电时间，例如，来电时间可以为0时0分至23时59分的任一时刻；x3可以代表网络用户标记号码类型，于本申请实施例中，x3＝1～4分别代表网络用户对该来电号码的标记类型为业务转移号码、骚扰号码、短信拒接号码以及正常来电号码，当x3＝0时，表示该来电号码暂时没有相关的网络用户对其进行标记分类；x4可以代表网络用户拒接次数，x5可以代表用户个人标记号码类型，x5＝1～4分别代表用户个人对该来电号码的类型标记为业务转移号码、骚扰号码、短信拒接号码以及正常来电号码，当x5＝0时，表示该来电号码暂时未被用户个人进行标记分类；x6可以代表用户个人拒接次数。
第一个单元层的输入参数为xi，首先由第一个单元层的归一化层对xi进行归一化处理，例如将x2从0时0分至23时59分的任一时刻归一化成0～1的范围，或者将x4网络用户拒接次数、x6用户个人拒接次数归一化至0～1的范围，以归纳统一样本的统计分布，降低计算难度。
经过归一化层进行归一化处理后，利用第一卷积核对数据的深度(即网络的通道数)进行调整，例如第一卷积核采用1×1卷积核，在一些可能的实现方式中，16个单元层的通道数分别为64、128、256、512，对应通道的单元层数量为3、4、6、3，即3个通道数为64的单元层、4个通道数为128的单元层、6个通道数为256的单元层以及3个通道数为512的单元层，不同的通道可以用于提取不同的特征。
第一卷积核处理后的数据经过第一激活函数进行处理，在本申请实施例中，第一激活函数可以选用修正线性单元(Rectified Linear Unit,ReLU)。
经过第一激活函数处理后的特征进一步由第二卷积核进行特征提取，由于本申请的输入参数为一维向量，第二卷积核采用3×1卷积核，步长为1，依次对输入参数进行卷积计算，计算后的结果再次经过第二激活函数进行处理，于本申请实施例中，第二激活函数也可以选用ReLU激活函数。在单元层的内部采用resnet连接方式，避免过拟合。
本申请实施例提供的卷积神经网络模型包括多个单元层，除第一个单元层之外，之后的每一个单元层的输入参数均为前一个单元层的输出参数，经过多次特征变换提取，经过全连接层与softmax层对特征按照一定权重进行识别分类，得到各个结果的预测值，然后取值最大的作为识别的结果，例如，识别出该来电号码属于业务转移号码的识别值为0.9，属于骚扰号码的识别值为0.2，属于短信拒接号码的识别值为0.15，属于正常接听号码的识别值为0.3，则确定该来电号码的分类结果为业务转移号码。
S230：依据样本来电号码对应的号码类型和样本来电号码的分类结果对卷积神经网络模型进行参数更新，得到训练后的卷积神经网络模型。
得到分类结果后，依据样本来电号码的分类结果以及样本来电号码对应的号码类型，按照梯度下降算法对卷积神经网络模型进行参数更新。
首先，依据分类结果和样本来电号码对应的号码类型，获取损失函数；于本申请实施例中，损失函数用于衡量卷积神经网络模型得到的分类结果与样本来电号码对应的号码类型的不一致程度，损失函数越小，表明卷积神经网络模型的性能越好。
例如，损失函数选用交叉熵损失函数，交叉熵损失函数如下：
其中，M为类型的数量，于本申请实施例中，号码类型包括：业务转移号码、骚扰号码、短信拒接号码以及正常来电号码，M的值为4。yic为符号函数(0或1)，如果样本i的真实类别等于c取1，否则取0；pic为观测样本i属于类别c的概率。
然后，计算所述损失函数的梯度，并依据所述损失函数的梯度更新卷积神经网络模型的参数，若需要更新卷积神经网络模型中各层的参数，则循环获取分类结果并计算损失函数，直到损失函数达到最小值。
最后，当所述损失函数满足预设收敛条件时，停止参数更新，得到训练后的卷积神经网络模型。
在模型训练时，根据训练样本对模型进行训练，从而得到各层的权重(如预测业务转移号码的所有连接的权重对全连接层的各个权重)，进行多次训练，对模型的参数进行参数更新，得到训练后的卷积神经网络模型。
基于上述实施方式提供的卷积神经网络模型，本申请实施例提供一种来电处理方法，来电处理方法可以应用于电子终端设备，利用卷积神经网络模型对来电号码进行分类，进而可以依据分类确定的来电号码的类型对来电进行相应的处理。请参阅图4，图4示出了本申请实施例提供的来电处理方法的流程示意图。如图4所示，本申请实施例提供的来电处理方法包括：
S310：获得来电号码的分类参考信息。
S320：将来电号码及分类参考信息输入预先训练好的卷积神经网络模型，确定来电号码的类型，卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核及第二卷积核。
S330：根据来电号码的类型对来电进行处理。
本申请实施例提供的来电处理方法，利用卷积神经网络模型对来电号码进行分类，提高对来电号码类型的智能识别能力，对于不同类型的来电号码做相应的处理，无须用户在接听来电后对来电类型进行甄别，降低了对用户的依赖度，减小了用户的工作量，从而提高了用户体验。
下面对本申请实施例提供的来电处理方法进行详细说明。本申请实施例提供的卷积神经网络模型以来电号码及分类参考信息作为输入，以来电号码的类型(分类结果)作为输出，卷积神经网络模型根据来电号码的类型与来电号码、分类参考信息之间的特征关系对来电号码进行分类。上述来电号码可以是通讯录中存在的号码，也可以是通讯录中不存在的号码，其中分类参考信息包括：来电时间、网络用户标记号码类型、网络用户拒接次数、用户个人拒接次数、用户个人标记号码类型。
来电时间即接收到来电的时间，对于用户而言，在一些特定的时间范围不方便接听电话，那么在这一不方便接听电话的时间范围内的来电均无法接听，因此选用来电时间作为来电分类的维度之一。
网络用户标记号码类型、网络用户拒接次数可以从网络获得，其中，网络用户标记号码类型为网络用户对来电号码标记的号码类型，网络用户拒接次数为网络用户对该来电号码的拒接次数。在一些可能的实施方式中，不同的网络用户对同一号码标记的号码类型可能不同，故而网络用户标记号码类型可以依据多个网络用户对来电号码标记的号码类型得出，例如，将网络用户对某一号码标记次数最多的号码类型确定为该号码的网络用户标记号码类型。
用户个人拒接次数、用户个人标记号码类型可以从终端获得，若终端将上述参数上传至网络，则也可以在来电时从网络获得上述参数。用户个人拒接次数指用户所使用的终端拒接该来电号码的次数，若用户使用多个终端进行通信，用户个人拒接次数也可以是其中的一个或多个终端拒接该来电号码的次数。用户个人标记号码类型指用户所使用的终端对该来电号码标记的号码类型，若用户使用多个终端进行通信，用户个人标记号码类型也可以是用户通过其中的一个或多个终端对该来电号码标记的号码类型。
在一些可能的实施方式中，在图4的基础上，请参阅图5，S310包括以下子步骤：
S310-1：获得存储于预设数据库的网络用户标记号码类型及网络用户拒接次数。
S310-2：获得存储于终端的用户个人拒接次数及用户个人标记号码类型。
需要说明的是，S310-1与S310-2并不存在逻辑上的先后关系，二者可以任一在先执行，也可以同时执行，本申请实施例对此不做限定。
在一些可能的实施方式中，在用户授权的情况下，终端可以将存储的用户个人拒接次数及用户个人标记号码类型上传至网络，在这种情况下，S310-2也可以从相应的网络存储空间获得用户个人拒接次数以及用户个人标记号码类型。
获得上述分类参考信息后，将来电号码及分类参考信息输入预先训练好的卷积神经网络模型，以确定来电号码的类型。请继续参阅图2，卷积神经网络模型包括多个单元层、全连接层以及softmax层。多个单元层、全连接层以及softmax层依次连接。其中每一个单元层均包括归一化层、第一卷积核与第二卷积核，第一卷积核输出的数据由第一激活函数进行处理，第二卷积核输出的数据由第二激活函数进行处理，单元层的内部采用resnet连接方式，网络的学习率设置为0.001，步长为1，损失函数选用交叉熵损失函数。
在一些可能的实施方式中，单元层的数量设置为16，请继续参阅图3，图3示出了卷积神经网络模型的具体参数，其中，通道数Channels可以表示卷积核的数量，例如6个卷积核，即有6个通道。如图3所示，16个单元层的通道数分别为64、128、256、512，对应通道的单元层数量为3、4、6、3，即3个通道数为64的单元层、4个通道数为128的单元层、6个通道数为256的单元层以及3个通道数为512的单元层，不同的通道可以用于提取不同的特征。需要说明的是，上述单元层的数量以及每个单元层的通道数仅仅是对本申请实施例的示例性说明，并非对本申请实施例提供的来电处理模型的限定，单元层的数量以及每个单元层的通道数应该以模型训练过程中精确程度较高的参数为准。
卷积核，即Kernel的尺寸越小，计算量越小，需要说明的是，上述单元层虽然设置了第一卷积核与第二卷积核，但第一卷积核与第二卷积核的结构不同，第一卷积核主要用于每个单元层的通道数的调整，例如，第一卷积核可以为1×1卷积核。第二卷积核用于提取特征，例如，第二卷积核可以选择3×1卷积核。
步长，Stride如图3所示，本申请实施例提供的卷积核的移动步长为1。
对于本申请实施例提供的卷积神经网络模型中的多个单元层而言，第一个单元层的输入参数为来电号码以及分类参考信息，第一个单元层之后的所有其他单元层的输入参数均为前一个单元层经过处理后的输出参数，每一个单元层均包括归一化层，归一化层用于对该单元层的输入参数进行归一化处理。
例如，以第一个单元层为例，假定输入参数为xi，xi的长度可以为n，如申请实施例中n为6，即xi＝(x1，x2，x3，x4，x5，x6)，其中x1可以代表来电号码，x2可以代表来电时间，x3可以代表网络用户标记号码类型，x4可以代表网络用户拒接次数，x5可以代表用户个人标记号码类型，x6可以代表用户个人拒接次数。由于每一个单元层的输入数据分布在不断变化，这会导致神经网络很难收敛，因此需要利用归一化层对不同层网络的数据进行归一化处理，归一化处理的方式有多种，本实施例对此不作限定，例如可以选用批标准化(BatchNormalization，BN)，先计算平均值和方差然后再标准化，但不限于此，还可以依据每个单元层的输入数据不同选用不同的归一化处理方式。
本申请实施例提供的来电处理模型将来电号码、来电时间、网络用户标记号码类型、网络用户拒接次数、用户个人标记号码类型及用户个人拒接次数以一维向量的形式作为参数输入，进行归一化处理后，利用第一卷积核、第一激活函数、第二卷积核、第二激活函数对特征进行处理，单元层内部采用resnet连接方式，经过16个单元层对输入参数的特征进行提取后，经过全连接层与softmax层进行分类结果的输出，确定来电号码所述的类型，例如，确定来电号码为业务转移号码、骚扰号码、短信拒接号码以及正常来电号码中的一种。
需要说明的是，终端可以通过多种方式获得上述卷积神经网络模型，例如，终端可以从服务器下载已经训练好的卷积神经网络模型，终端还可以依据训练样本自行对网络模型进行训练以得到上述卷积神经网络模型。
确定来电号码的类型后，则依据类型不同进行相应的处理，减轻用户接听非必要的电话的负担。其中，可以根据来电号码的类型，自动进行业务分发，即，根据不同的来电号码的类型自动分发不同业务(见图6)。在图4的基础上，请参阅图6，S330根据来电号码的类型对来电进行处理包括以下几种情况：
S330-1：当确定来电号码的类型为业务转移号码，将来电转移至业务转移的目标号码。
当确定来电号码的类型为业务转移号码的情况下，获得业务转移的目标号码，将该来电转移至目标号码。
其中，当确定所述来电号码的类型为业务转移号码时，可采用显示呼叫转移(Explicit Call Transfer，ECT)技术将所述来电转移至所述业务转移的目标号码。
业务转移分为3类，如果转移前发起方没有与转移目标进行通信，分为盲转和有保证的转移：1、发起方发起转移后，不管后续转移是否成功，都断开之前的电话(blindtransfer)；2、发起方可以确保转移成功，若转移失败可以回退到原有的电话状态(assuredtransfer)；3、如果发起方在发起转移之前与转移到的目标之间存在通信。则称为咨询转(consultative transfer)。本申请实施例选用的有保证的转移，即第2类转移方式。
在图6的基础上，若采用第2类转移方式进行业务转移的情况下，请参阅图7，根据所述来电号码的类型对来电进行处理的步骤还包括：
S330-1-1：确定将所述来电转移至所述业务转移的目标号码是否成功；
S330-1-2：若未成功，对所述来电正常显示。
其中，对来电进行正常显示是指，显示来电号码的来电信息以及与该来电对应的操作区，即，对来电正常显示时，是将接听或拒接电话的选择操作权提供给用户，由用户自行决定是否接听该来电。用户可根据正常显示的内容自行选择对当前来电进行接听操作或拒接操作。若转移业务成功，则结束本次来电处理流程。
请继续参阅图6，根据来电号码的类型对来电进行处理包括：
S330-2：当确定来电号码的类型为骚扰号码，对来电拒接处理。
若确定来电号码的类型为骚扰号码，为了避免骚扰号码影响用户的使用体验，对该来电进行拒接处理。
S330-3：当确定来电号码的类型为短信拒接号码，对来电拒接处理，并向来电号码发送提示短信，提示短信用以提示拒接原因。
若来电号码的类型为短信拒接号码，对来电进行拒接处理，并向来电号码发送提示短信，该提示短信用以提示拒接原因，例如提示短信可以采用以下形式：“抱歉，我现在正在开会，不方便接听电话，稍后给您回电”。
S330-4：当确定来电号码的类型为正常来电号码，对来电正常显示。
若确定来电号码的类型为正常来电号码的情况下，对来电正常显示，发出声音或振动提示，提醒用户接听电话。其中，当确定来电号码的类型为正常来电号码，对来电进行正常显示是指，在确定正常来电号码时，在不干预用户操作权限的情况下显示正常来电号码的来电信息以及与该来电对应的操作区，即，对来电正常显示时，是将接听或拒接电话的选择操作权提供给用户，由用户自行决定是否接听该来电。用户可根据正常显示的内容自行选择对操作区的功能键进行操作，例如对当前的正常来电号码进行接听操作或拒接操作。
对来电进行正常显示的显示内容可包括但不限于：显示来电的号码信息、显示来电号码的分类结果标记、显示对于该来电的操作区，操作区的功能键可包括但不限于接听键、拒接键。用户可根据正常显示的内容自行选择对操作区的功能键进行操作，例如对当前来电进行接听操作或拒接操作。
在一些可能的实施方式中，在对来电进行相应的处理后，应生成相应的处理日志以供用户查阅浏览。
例如，若来电号码的类型为骚扰电话，则可以在通话记录中显示拒接来电，并标注该来电号码的类型为骚扰号码。
若来电号码的类型为业务转移号码，则可以在通话记录中显示业务转移，并标注业务转移的目标号码。
若来电号码的类型为短信拒接号码，则可以在通话记录中显示拒接来电，并标注该来电号码的类型为短信拒接号码。
为了避免骚扰号码过多影响用户正常浏览通讯录，可以将拦截骚扰号码的拦截记录与正常的号码通讯记录进行区分。
综上所述，本申请实施例提供了一种来电处理方法，在接收到来电的情况下获得来电号码的分类参考信息，将来电号码和分类参考信息输入预先训练好的卷积神经网络模型进行分类，得到来电号码的类型，然后依据不同的类型进行不同的处理，若为骚扰电话则拒接来电，若为短信拒接号码则拒接来电并发送短信提示，若为业务转移号码则将来电转移至业务转移的目标号码，若为正常来电号码则显示接听，无须用户接听电话后再对号码类型进行甄别，减轻了用户的负担，提高终端对智能处理来电的能力，避免接听转移号码、骚扰电话等非必要的电话，提升用户使用体验。
图8为本申请实施例提供的来电处理装置的功能框图，上述来电处理装置设置在终端设备中，如图8所示，上述来电处理装置可以包括：数据模块410和处理模块420。
其中，数据模块410，用于获得来电号码的分类参考信息。
处理模块420用于将来电号码及分类参考信息输入预先训练好的卷积神经网络模型，确定来电号码的类型，卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核及第二卷积核。
处理模块420还用于根据来电号码的类型对来电进行处理。
图8所示实施例提供的来电处理装置可用于执行本说明书图4所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图9为本申请实施例提供的模型训练装置的功能框图，上述模型训练装置包括样本获得模块510、结果获得模块520及参数更新模块530。
样本获得模块510，用于获得样本来电号码、样本来电号码对应的样本分类参考信息以及样本来电号码对应的号码类型。
结果获得模块520，用于将样本来电号码、样本分类参考信息输入预先建立的卷积神经网络模型，得到样本来电号码的分类结果。
参数更新模块530，用于依据样本来电号码对应的号码类型和样本来电号码的分类结果对卷积神经网络模型进行参数更新，得到训练后的卷积神经网络模型。
图9所示实施例提供的模型训练装置可用于执行本说明书图1所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图10为本说明书一个实施例提供的电子终端设备的结构示意图。在后续描述中，将该电子终端设备简称为终端设备。
如图10所示，上述终端设备可以包括至少一个处理器；以及与上述处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，上述处理器调用上述程序指令能够执行本说明书图1所示实施例提供的模型训练方法或者图4所示实施例提供的来电处理方法。
其中，存储器中可以存储来电号码的分类参考信息、来电号码的分类结果，还可以存储样本数据，例如样本分类参考信息。
其中，上述终端设备可以为智能手机、平板电脑或笔记本电脑等智能电子设备，本实施例对上述终端设备的形式不作限定。
示例性的，图10以智能手机为例示出了终端设备的结构示意图，如图10所示，终端设备100可以包括处理器110，外部存储器接口120，内部存储器121，通用串行总线(universal serial bus，USB)接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户标识模块(subscriber identification module，SIM)卡接口195等。
可以理解的是，本申请实施例示意的结构并不构成对终端设备100的具体限定。在本申请另一些实施例中，终端设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了***的效率。
处理器110通过运行存储在内部存储器121中的程序，从而执行各种功能应用以及数据处理，例如实现本申请图1所示实施例提供的模型训练方法或者图4～图7所示实施例提供的来电处理方法。
在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，I2C)接口，集成电路内置音频(inter-integrated circuitsound，I2S)接口，脉冲编码调制(pulse code modulation，PCM)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口(mobile industry processor interface，MIPI)，通用输入输出(general-purposeinput/output，GPIO)接口，用户标识模块(subscriber identity module，SIM)接口，和/或通用串行总线(universal serial bus，USB)接口等。
充电管理模块140用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。在一些有线充电的实施例中，充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中，充电管理模块140可以通过终端设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为终端设备100供电。
电源管理模块141用于连接电池142，充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入，为处理器110，内部存储器121，显示屏194，摄像头193，和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量，电池循环次数，电池健康状态(漏电，阻抗)等参数。在其他一些实施例中，电源管理模块141也可以设置于处理器110中。在另一些实施例中，电源管理模块141和充电管理模块140也可以设置于同一个器件中。
终端设备100的无线通信功能可以通过天线1，天线2，移动通信模块150，无线通信模块160，调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。终端设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在终端设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，LNA)等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中，移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A，受话器170B等)输出声音信号，或通过显示屏194显示图像或视频。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理器110，与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在终端设备100上的包括无线局域网(wirelesslocal area networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星***(global navigation satellite system，GNSS)，调频(frequency modulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
在一些实施例中，终端设备100的天线1和移动通信模块150耦合，天线2和无线通信模块160耦合，使得终端设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯***(global system for mobile communications，GSM)，通用分组无线服务(general packet radio service，GPRS)，码分多址接入(codedivision multiple access，CDMA)，宽带码分多址(wideband code division multipleaccess，WCDMA)，时分码分多址(time-division code division multiple access，TD-SCDMA)，长期演进(long term evolution，LTE)，BT，GNSS，WLAN，NFC，FM，和/或IR技术等。所述GNSS可以包括全球卫星定位***(global positioning system，GPS)，全球导航卫星***(global navigation satellite system，GLONASS)，北斗卫星导航***(beidounavigation satellite system，BDS)，准天顶卫星***(quasi-zenith satellitesystem，QZSS)和/或星基增强***(satellite based augmentation systems，SBAS)。
终端设备100通过GPU，显示屏194，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏194和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像，视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emittingdiode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的，AMOLED)，柔性发光二极管(flex light-emittingdiode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot lightemitting diodes，QLED)等。在一些实施例中，终端设备100可以包括1个或N个显示屏194，N为大于1的正整数。
终端设备100可以通过ISP，摄像头193，视频编解码器，GPU，显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给ISP处理，转化为肉眼可见的图像。ISP还可以对图像的噪点，亮度，肤色进行算法优化。ISP还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，终端设备100可以包括1个或N个摄像头193，N为大于1的正整数。
数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当终端设备100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。终端设备100可以支持一种或多种视频编解码器。这样，终端设备100可以播放或录制多种编码格式的视频，例如：动态图像专家组(moving picture experts group，MPEG)1，MPEG2，MPEG3，MPEG4等。
NPU为神经网络(neural-network，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现终端设备100的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。
外部存储器接口120可以用于连接外部存储卡，例如Micro SD卡，实现扩展终端设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。内部存储器121可以包括存储程序区和存储数据区。其中，存储程序区可存储操作***，至少一个功能所需的应用程序(比如声音播放功能，图像播放功能等)等。存储数据区可存储终端设备100使用过程中所创建的数据(比如音频数据，电话本等)等。此外，内部存储器121可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。处理器110通过运行存储在内部存储器121的指令，和/或存储在设置于处理器中的存储器的指令，执行终端设备100的各种功能应用以及数据处理。
终端设备100可以通过音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，以及应用处理器等实现音频功能。例如音乐播放，录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中，音频模块170可以设置于处理器110中，或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A，也称“喇叭”，用于将音频电信号转换为声音信号。终端设备100可以通过扬声器170A收听音乐，或收听免提通话。
受话器170B，也称“听筒”，用于将音频电信号转换成声音信号。当终端设备100接听电话或语音信息时，可以通过将受话器170B靠近人耳接听语音。
麦克风170C，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风170C发声，将声音信号输入到麦克风170C。终端设备100可以设置至少一个麦克风170C。在另一些实施例中，终端设备100可以设置两个麦克风170C，除了采集声音信号，还可以实现降噪功能。在另一些实施例中，终端设备100还可以设置三个，四个或更多麦克风170C，实现采集声音信号，降噪，还可以识别声音来源，实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130，也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform，OMTP)标准接口，美国蜂窝电信工业协会(cellular telecommunications industry association of the USA，CTIA)标准接口。
按键190包括开机键，音量键等。按键190可以是机械按键。也可以是触摸式按键。终端设备100可以接收按键输入，产生与终端设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示，也可以用于触摸振动反馈。例如，作用于不同应用(例如拍照，音频播放等)的触摸操作，可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作，马达191也可对应不同的振动反馈效果。不同的应用场景(例如：时间提醒，接收信息，闹钟，游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过***SIM卡接口195，或从SIM卡接口195拔出，实现和终端设备100的接触和分离。终端设备100可以支持1个或N个SIM卡接口，N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡，Micro SIM卡，SIM卡等。同一个SIM卡接口195可以同时***多张卡。所述多张卡的类型可以相同，也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。终端设备100通过SIM卡和网络交互，实现通话以及数据通信等功能。在一些实施例中，终端设备100采用eSIM，即：嵌入式SIM卡。eSIM卡可以嵌在终端设备100中，不能和终端设备100分离。
本申请实施例还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本说明书图1所示实施例提供的模型训练方法或者图4～图7所示实施例提供的来电处理方法。可选的，该存储介质中可以存储来电号码的分类参考信息、来电号码的分类结果，还可以存储样本数据，例如样本分类参考信息，还可以存储前述来电处理装置中的各个功能模块的内容。
上述非暂态计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(read only memory，ROM)、可擦式可编程只读存储器(erasable programmable read onlymemory，EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、射频(radio frequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本说明书操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localarea network，LAN)或广域网(wide area network，WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本发明实施例的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本说明书的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本说明书的实施例所属技术领域的技术人员所理解。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是，本申请实施例中所涉及的终端可以包括但不限于个人计算机(personal computer，PC)、个人数字助理(personal digital assistant，PDA)、无线手持设备、平板电脑(tablet computer)、手机、MP3播放器、MP4播放器等。
在本说明书所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本说明书各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (14)

1.一种来电处理方法，其特征在于，应用于电子终端设备，所述来电处理方法包括：
获得来电号码的分类参考信息；
将所述来电号码及所述分类参考信息输入预先训练好的卷积神经网络CNN模型，确定所述来电号码的类型，所述卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核、第二卷积核；
根据所述来电号码的类型对来电进行处理；
其中，所述第一卷积核用于对每个单元层的通道数的调整，所述第二卷积核用于提取特征；
所述卷积神经网络模型还包括多个全连接层以及至少一个softmax层，所述多个单元层、全连接层以及softmax层依次连接；
所述每个单元层中的归一化单元、第一卷积核和第二卷积核的连接方式为resnet连接；所述第一卷积核输出的数据由第一激活函数进行处理，所述第二卷积核输出的数据由第二激活函数进行处理，单元层内部采用resnet连接方式；
第一个单元层的输入参数为所述来电号码的分类参考信息，第一个单元层之后的所有其他单元层的输入参数均为前一个单元层经过处理后的输出参数。
2.根据权利要求1所述的来电处理方法，其特征在于，所述第一卷积核与所述第二卷积核的结构不同。
3.根据权利要求1所述的来电处理方法，其特征在于，所述第一卷积核为1×1卷积核，所述第二卷积核为3×1卷积核。
4.根据权利要求1所述的来电处理方法，其特征在于，所述卷积神经网络模型是以样本来电号码、所述样本来电号码对应的样本分类参考信息以及样本来电号码类型作为模型训练样本得到的，其中，所述样本来电号码类型包括业务转移号码、骚扰号码、短信拒接号码及正常接听号码。
5.根据权利要求1所述的来电处理方法，其特征在于，所述来电号码的分类参考信息包括：来电时间、网络用户标记号码类型、网络用户拒接次数、用户个人拒接次数、用户个人标记号码类型。
6.根据权利要求1所述的来电处理方法，其特征在于，所述根据所述来电号码的类型对来电进行处理的步骤包括：
当确定所述来电号码的类型为业务转移号码，将所述来电转移至所述业务转移的目标号码；
当确定所述来电号码的类型为骚扰号码，对所述来电拒接处理；
当确定所述来电号码的类型为短信拒接号码，对所述来电拒接处理，并向所述来电号码发送提示短信，所述提示短信用以提示拒接原因；
当确定所述来电号码的类型为正常来电号码，对所述来电正常显示。
7.根据权利要求6所述的来电处理方法，其特征在于，当确定所述来电号码的类型为业务转移号码时，所述根据所述来电号码的类型对来电进行处理的步骤还包括：
确定将所述来电转移至所述业务转移的目标号码是否成功；
若未成功，对所述来电正常显示。
8.根据权利要求5所述的来电处理方法，其特征在于，所述获得来电号码的分类参考信息包括：
获得存储于预设数据库的网络用户标记号码类型及网络用户拒接次数，以及存储于终端的用户个人拒接次数及用户个人标记号码类型；其中网络用户标记号码类型为网络用户对所述来电号码标记的号码类型，网络用户拒接次数为网络用户对所述来电号码的拒接次数。
9.一种模型训练方法，其特征在于，所述模型训练方法包括：
获得样本来电号码、样本来电号码对应的样本分类参考信息以及所述样本来电号码对应的号码类型；
将所述样本来电号码、所述样本分类参考信息输入预先建立的卷积神经网络模型，得到所述样本来电号码的分类结果，其中，所述卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核、第二卷积核；
依据所述样本来电号码对应的号码类型和所述样本来电号码的分类结果对所述卷积神经网络模型进行参数更新，得到训练后的卷积神经网络模型；
其中，所述第一卷积核用于对每个单元层的通道数的调整，所述第二卷积核用于提取特征；
所述卷积神经网络模型还包括多个全连接层以及至少一个softmax层，所述多个单元层、全连接层以及softmax层依次连接；
所述每个单元层中的归一化单元、第一卷积核和第二卷积核的连接方式为resnet连接；所述第一卷积核输出的数据由第一激活函数进行处理，所述第二卷积核输出的数据由第二激活函数进行处理，单元层内部采用resnet连接方式；第一个单元层之后的所有其他单元层的输入参数均为前一个单元层经过处理后的输出参数，经过多次特征变换提取，经过所述全连接层与所述softmax层对特征按照一定权重进行识别分类，得到各个结果的预测值，并将预测值最大的结果确定为识别的结果；
其中，所述依据所述样本来电号码对应的号码类型和所述样本来电号码的分类结果对所述卷积神经网络模型进行参数更新具体包括：
根据样本来电号码对应的号码类型和所述样本来电号码的分类结果对所述卷积神经网络模型进行训练，得到各层的权重；
依据分类结果和样本来电号码对应的号码类型，获取损失函数；计算所述损失函数的梯度，并依据所述损失函数的梯度更新所述卷积神经网络模型的参数；
当所述损失函数满足预设收敛条件时停止参数更新，得到所述训练后的卷积神经网络模型。
10.根据权利要求9所述的模型训练方法，其特征在于，所述第一卷积核与所述第二卷积核的结构不同。
11.根据权利要求9所述的模型训练方法，其特征在于，所述第一卷积核为1×1卷积核，所述第二卷积核为3×1卷积核。
12.一种来电处理装置，其特征在于，所述来电处理装置设置于电子终端设备，所述来电处理装置包括：
数据模块，用于获得来电号码的分类参考信息；
处理模块，用于将所述来电号码及来电号码的分类参考信息输入预先训练好的卷积神经网络模型，确定所述来电号码的类型，所述卷积神经网络模型包括依次连接的多个单元层；所述多个单元层中每个单元层包括归一化单元、第一卷积核、第二卷积核；所述处理模块还用于根据所述来电号码的类型对来电进行处理；
其中，所述第一卷积核用于对每个单元层的通道数的调整，所述第二卷积核用于提取特征；
所述卷积神经网络模型还包括多个全连接层以及至少一个softmax层，所述多个单元层、全连接层以及softmax层依次连接；
所述每个单元层中的归一化单元、第一卷积核和第二卷积核的连接方式为resnet连接；所述第一卷积核输出的数据由第一激活函数进行处理，所述第二卷积核输出的数据由第二激活函数进行处理，单元层内部采用resnet连接方式；
第一个单元层的输入参数为所述来电号码的分类参考信息，第一个单元层之后的所有其他单元层的输入参数均为前一个单元层经过处理后的输出参数。
13.一种电子终端设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至11任一所述的方法。
14.一种存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1至11任一所述的方法。
CN202111105256.5A 2021-09-22 2021-09-22 来电处理及模型训练方法、装置、终端设备和存储介质 Active CN113660369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111105256.5A CN113660369B (zh) 2021-09-22 2021-09-22 来电处理及模型训练方法、装置、终端设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111105256.5A CN113660369B (zh) 2021-09-22 2021-09-22 来电处理及模型训练方法、装置、终端设备和存储介质

Publications (2)

Publication Number Publication Date
CN113660369A CN113660369A (zh) 2021-11-16
CN113660369B true CN113660369B (zh) 2023-09-12

Family

ID=78483992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111105256.5A Active CN113660369B (zh) 2021-09-22 2021-09-22 来电处理及模型训练方法、装置、终端设备和存储介质

Country Status (1)

Country Link
CN (1) CN113660369B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116418912A (zh) * 2021-12-31 2023-07-11 博泰车联网(南京)有限公司 智能终端中通讯信息的处理方法、电子设备及存储介质
CN115689626B (zh) * 2022-10-31 2024-03-01 荣耀终端有限公司 一种终端设备的用户属性确定方法及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107889111A (zh) * 2016-09-30 2018-04-06 北京金山安全软件有限公司 基于深层类神经网络的骚扰电话识别方法和装置
CN108494975A (zh) * 2018-06-27 2018-09-04 上海连尚网络科技有限公司 来电响应方法和设备
CN110191222A (zh) * 2019-04-15 2019-08-30 努比亚技术有限公司 防止陌生来电骚扰的方法、终端设备及存储介质
CN111222025A (zh) * 2019-12-27 2020-06-02 南京中新赛克科技有限责任公司 一种基于卷积神经网络的诈骗号码识别方法及***
CN112396079A (zh) * 2019-08-16 2021-02-23 ***通信集团广东有限公司 号码识别模型训练方法、号码识别方法及装置
CN112866470A (zh) * 2019-11-11 2021-05-28 宇龙计算机通信科技(深圳)有限公司 来电处理方法、装置、电子设备及介质
CN113111894A (zh) * 2020-01-13 2021-07-13 华为技术有限公司 号码分类方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107889111A (zh) * 2016-09-30 2018-04-06 北京金山安全软件有限公司 基于深层类神经网络的骚扰电话识别方法和装置
CN108494975A (zh) * 2018-06-27 2018-09-04 上海连尚网络科技有限公司 来电响应方法和设备
CN110191222A (zh) * 2019-04-15 2019-08-30 努比亚技术有限公司 防止陌生来电骚扰的方法、终端设备及存储介质
CN112396079A (zh) * 2019-08-16 2021-02-23 ***通信集团广东有限公司 号码识别模型训练方法、号码识别方法及装置
CN112866470A (zh) * 2019-11-11 2021-05-28 宇龙计算机通信科技(深圳)有限公司 来电处理方法、装置、电子设备及介质
CN111222025A (zh) * 2019-12-27 2020-06-02 南京中新赛克科技有限责任公司 一种基于卷积神经网络的诈骗号码识别方法及***
CN113111894A (zh) * 2020-01-13 2021-07-13 华为技术有限公司 号码分类方法和装置

Also Published As

Publication number Publication date
CN113660369A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
US11889180B2 (en) Photographing method and electronic device
CN111552451B (zh) 显示控制方法及装置、计算机可读介质及终端设备
CN113660369B (zh) 来电处理及模型训练方法、装置、终端设备和存储介质
WO2023024852A1 (zh) 一种短消息通知方法和电子终端设备
CN114895991B (zh) 内容分享方法和电子设备
US20230230343A1 (en) Image Processing Method, Electronic Device, Image Processing System, and Chip System
CN113473013A (zh) 图像美化效果的显示方法、装置和终端设备
CN113436576B (zh) 应用于二维码扫描的oled显示屏调光方法及装置
CN111078376A (zh) 一种进程管理方法及设备
CN113645688A (zh) 网络接入注册方法、装置、终端设备以及存储介质
CN109285563B (zh) 在线翻译过程中的语音数据处理方法及装置
CN115103304B (zh) 位置信息的调用方法及装置
CN113467747B (zh) 音量调节方法、电子设备及存储介质
CN113656099B (zh) 一种应用快捷启动方法、装置和终端设备
CN113099528B (zh) 服务获取方法、装置和用户设备
CN113115483B (zh) 无线资源控制连接的释放方法、装置和用户设备
CN113672404A (zh) 一种显示方法和电子终端设备
CN115841099B (zh) 基于数据处理的页面填充词的智能推荐方法
CN114449492B (zh) 数据传输方法及终端设备
CN114070927B (zh) 一种设置保留方法和终端
CN114338891B (zh) 一种通信方法及装置
CN113672187A (zh) 一种数据双面显示方法、装置、电子设备及存储介质
CN114025043A (zh) 调用第三方应用的方法、装置、终端设备和存储介质
CN117493095A (zh) 一种确定设备使用者的方法及相关装置
CN118301240A (zh) 消息发送和显示方法、装置、服务器和终端设备

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