摘要
本发明提出一种基于改进的CNN‑LSTM的垃圾短信判别方法,其步骤在于,首先进行文本长度均值化,把文本最长的长度和大部分文本集中的长度做均值,长度不足的进行特征扩展,长度过长的短信文本进行特征重要性排序并选择,然后从大规模背景语料训练中得到具有语义特征信息的Glove词向量作为深层神经网络的初始输入。下一步再构建改进的CNN‑LSTM的垃圾短信识别的模型。最后将输出放入Softmax分类器中得出分类结果。此发明不仅可以改善深度学习参数过多的问题,还可以更好地整合短信文本特征,具有很好的研究意义和应用价值。