面向诈骗短信息识别的融合多策略数据增强技术研究

针对诈骗短信息识别模型对新型诈骗短信息识别率低的模型鲁棒性问题,文章提出了一种文本生成和深度合成的数据融合增强技术的模型训练方法。借助统计分析发现新型诈骗短信息异于普通诈骗短信息的内容和结构特点,文章分别使用文本生成、深度合成和两者融合技术等数据增强方式来增强原生诈骗短信息训练集,同时在CNN、LSTM、GRU等多个模型中对新型诈骗短信息和原生诈骗短信息进行对比实验,进一步验证模型性能的优化程度。实验结果表明,使用数据融合增强技术后,模型对新型诈骗短信息的识别率由73.4%提升到98.4%,F1值由0.64提升到0.98,诈骗短信息识别模型的整体性能得到了提升。