本发明涉及计算机技术领域，具体涉及一种失信号码的显示方法及装置。
背景技术：
目前，我国正在加速步入信用时代，个人信用问题得到了越来越广泛的关注。相应地，个人信用开始逐步与生活中的方方面面相互挂钩。例如，某些中介平台开始根据个人信用的评分结果向用户提供基础服务，从而为用户带来了巨大的便利。
但是，与此同时，仍然有部分公民存在多次失信行为，且情节恶劣，严重影响了社会公共秩序以及相关民众的利益。在现有方式中，对于存在多次失信行为的公民，只有当其失信行为触犯到法律的底线时，才能通过法院以公布失信人名单的方式对其个人信息进行公布，从而达到威慑效果。
但是，发明人在实现本发明的过程中发现，现有技术中的上述方式至少存在下述缺陷：由于法院公布的失信人名单需要用户主动查看方能知晓，而大多数人往往无暇查看该类名单，甚至不知晓该通过何种渠道去查看该类名单。因此，导致失信人仍然在各类社交活动中畅通无阻，无法真正地对失信人造成威慑，更无法促使其改正失信行为。由此可见，现有的失信处理方式效果不理想。
技术实现要素：
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的失信号码的显示方法及装置。
根据本发明的一个方面，提供了失信号码的显示方法，包括：对获取到的目标彩信进行解析，得到与所述目标彩信相对应的图像数据以及文本数据；
根据预设的图像识别规则对所述图像数据进行识别，得到图像识别结果；以及，根据预设的文本识别规则对所述文本数据进行识别，得到文本识别结果；
当根据所述图像识别结果以及所述文本识别结果将与所述目标彩信相对应的通信号码筛选为目标号码时，进一步判断所述目标号码是否为失信号码；
若是，为所述失信号码设置用于在通信时进行显示的失信标签。
根据本发明的另一个方面，提供了失信号码的显示装置，包括：
解析模块，适于对获取到的目标彩信进行解析，得到与所述目标彩信相对应的图像数据以及文本数据；
识别模块，适于根据预设的图像识别规则对所述图像数据进行识别，得到图像识别结果；以及，根据预设的文本识别规则对所述文本数据进行识别，得到文本识别结果；
筛选判断模块，适于当根据所述图像识别结果以及所述文本识别结果将与所述目标彩信相对应的通信号码筛选为目标号码时，进一步判断所述目标号码是否为失信号码；
标签设置模块，适于若是，为所述失信号码设置用于在通信时进行显示的失信标签。
根据本发明的又一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；
存储器用于存放至少一可执行指令，可执行指令使处理器执行上述失信号码的显示方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述失信号码的显示方法对应的操作。
根据本发明公开的失信号码的显示方法及装置，能够通过对目标彩信的分析处理确定失信对象所对应的失信号码，进而为失信号码设置用于在通信时进行显示的失信标签。该方式能够在失信对象利用失信号码进行通信时将失信标签展现给对方，从而对失信对象的社交活动造成了巨大阻碍，能够有效地对失信人造成威慑，进而利用公众舆论的力量促使其改正失信行为。由此可见，本实施例中的失信处理方式效果更为理想，有利于维护社会公共秩序以及相关民众的利益。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明一个实施例的失信号码的显示方法的流程示意图；
图2示出了本发明另一个实施例的失信号码的显示方法的流程示意图；
图3示出了本发明又一实施例提供的一种失信号码的显示装置的装置结构图；
图4示出了根据本发明实施例的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了本发明一个实施例的失信号码的显示方法的流程示意图。如图1所示，该方法包括：
步骤S110：对获取到的目标彩信进行解析，得到与目标彩信相对应的图像数据以及文本数据。
其中，目标彩信既可以是接收到的全部彩信，也可以是通过粗略的分类规则进行分类后滤出的一部分与失信内容可能存在关联的彩信。本发明对目标彩信的来源及范围不做限定。
具体地，由于目标彩信可能根据预设的加密规则进行加密，因此，在解析时，可以按照与目标彩信的加密过程相对应的解密规则对目标彩信进行解析，得到目标彩信中包含的彩信图片，以便根据该彩信图片确定与目标彩信相对应的图像数据。另外，由于彩信图片中往往会包含文字性内容，因此，进一步对彩信图片进行文字识别处理，得到与目标彩信相对应的文本数据。具体地，可以通过OCR(Optical Character Recognition，光学字符识别)技术识别图片中的文字性内容(例如汉字、英文、数字等)。
为了便于查询，在本实施例中将图像数据和文本数据与目标彩信进行关联存储。由于实际情况中的目标彩信可能为多个，因此，为每个目标彩信分配一个唯一的彩信标识(例如键值)，然后，将对应的图像数据和文本数据分别与该彩信标识关联存储，以便于后续分析。
步骤S120：根据预设的图像识别规则对图像数据进行识别，得到图像识别结果；以及，根据预设的文本识别规则对文本数据进行识别，得到文本识别结果。
其中，图像识别规则可包括多种，例如，可以直接根据图像中的像素点进行识别，也可以构建图像分类模型进行识别。具体实施时，可针对图像中的暴力或恐吓性内容进行识别，从而得到用于表示该图片的类型的图片识别结果。同理，文本识别规则也可包括多种，例如，可以直接根据预设的白名单或黑名单进行识别，也可以构建文本分类模型进行识别。具体实施时，可针对文本中的催债相关内容进行识别，从而得到用于表示该文本的类型的文本识别结果。
总之，本发明对图像识别规则以及文本识别规则的具体内涵不做限定，本领域技术人员可灵活设置。
步骤S130：当根据图像识别结果以及文本识别结果将与目标彩信相对应的通信号码筛选为目标号码时，进一步判断目标号码是否为失信号码。
具体地，首先，根据图像识别结果以及文本识别结果判断是否将与目标彩信相对应的通信号码筛选为目标号码。具体判断规则可根据实际场景确定，例如，在较为宽泛的场景中，可将图像识别结果为失信类结果或文本识别结果为失信类结果的目标彩信相对应的通信号码筛选为目标号码；在较为严苛的场景中，可将图像识别结果与文本识别结果均为失信类结果的目标彩信相对应的通信号码筛选为目标号码。
然后，进一步判断目标号码是否为失信号码。具体的判断方式也可以依据实际场景确定。例如，可以将目标号码全部判定为失信号码，也可以根据用户标记等方式进一步从目标号码中筛选失信号码，本发明对具体的判断方式不做限定。
步骤S140：若是，为失信号码设置用于在通信时进行显示的失信标签。
当确定出目标号码为失信号码时，为失信号码设置用于在通信时进行显示的失信标签。具体地，可在云服务器侧存储失信号码及其对应的失信标签，相应地，当后续监测到与该失信号码相关的通信事件时，将该失信标签展示在与该通信事件对应的客户端上。或者，还可以将云服务器侧存储的失信号码及其对应的失信标签下发给各个客户端，以供各个客户端在检测到与该失信号码相关的通信事件时，将该失信标签展示在与该通信事件对应的客户端上。
总之，上述的各个步骤既可以由客户端侧实现，也可以由服务器侧实现，还可以由服务器和客户端共同实现。但是，由于服务器能够获取到海量的目标彩信，因此，优选的，对目标彩信进行筛选的过程在云服务器侧实现。
根据本发明公开的失信号码的显示方法，能够通过对目标彩信的分析处理确定失信对象所对应的失信号码，进而为失信号码设置用于在通信时进行显示的失信标签。该方式能够在失信对象利用失信号码进行通信时将失信标签展现给对方，从而对失信对象的社交活动造成了巨大阻碍，能够有效地对失信人造成威慑，进而利用公众舆论的力量促使其改正失信行为。由此可见，本实施例中的失信处理方式效果更为理想，有利于维护社会公共秩序以及相关民众的利益。
图2示出了本发明另一个实施例的失信号码的显示方法的流程示意图。如图2所示，该方法包括：
步骤S200：通过预设的彩信流量接口获取彩信流量信息，对彩信流量信息进行分析，以得到目标彩信。
其中，彩信流量接口的具体数量和形式可取决于相应的运营商的通信规范。例如，可以分别设置多个分别对接于不同的运营商的彩信流量接口，以便实时抓取来自各个运营商的彩信流量信息。通过对彩信流量信息进行分析，可以获取其中包含的各个彩信。
在确定目标彩信时，可以将分析得到的全部彩信都作为目标彩信，也可以先通过预设的过滤器对全部彩信进行过滤，以滤除与失信内容完全无关的彩信，将剩余的可能与失信内容有关的彩信作为目标彩信，以缩减后续的计算量。其中，过滤器的具体形式可由本领域技术人员灵活设置。
步骤S210：对获取到的目标彩信进行解析，得到与目标彩信相对应的图像数据以及文本数据。
本步骤的具体实现方式可参照步骤S110的描述，此处不再赘述。
步骤S220：确定与图像数据相对应的图像特征向量，将图像特征向量输入预设的图像分类模型，得到图像识别结果。
其中，图像特征向量是一种用于表示图片分类的概率向量，该概率向量可以是一种多维特征向量，具体的维度数量可灵活设定。具体实施时，可以预先提取图像中包含的像素信息，对像素信息进行处理后得到图像特征向量。另外，图像分类模型可以通过对已标记分类的样本图像所对应的图像特征向量进行训练得到，具体可采用各种机器学习或神经网络算法。
例如，可以预先提取包含暴力、恐吓等内容的彩信作为样本彩信，并标记为正样本，同时提取正常的聊天彩信作为样本彩信，并标记为负样本，从而得到样本图像，对样本图像的图像特征向量进行训练从而得到上述的图像分类模型。
在一种具体的实现方式中，为了节约模型的训练时间，提升样本彩信的训练效率，可以利用已有的用于实现其他场景中的各种分类的模型进行迁移学习，以得到适用于本发明中的应用场景的图像分类模型。其中，已有的用于实现其他场景中的各种分类的模型简称为旧模型，该旧模型是经过海量图片训练后生成的可以识别上千种分类的模型。即：旧模型的适用场景宽泛、分类种类繁多。但是，旧模型若直接应用于本申请中的彩信识别场景中，则会由于不具有针对性而导致识别结果的精确度过低。为了解决上述问题，本实施例通过在旧模型中已经得到的深度学习网络上叠加多层的全连接网络的方式，得到针对性更强的新模型(即本申请中的图像分类模型)。新模型最终能够输出彩信图片识别所需的6-8个分类。由此可见，通过新收集到的与失信类型相关的样本彩信对旧模型进行迁移学习的方式，能够显著提升新模型的针对性，使其兼顾准确性以及训练效率。由此可见，该方式能够利用获取到的失信样本信息，对第一识别模型(即上述旧模型)进行迁移学习，以得到第二识别模型(即上述新模型)。
由此可见，利用新收集到的彩信图片对新网络进行训练，能够得到新的迁移学习模型(即本申请中的图像分类模型)。这个模型可以更好的拟合彩信图片的分类。同时利用迁移学习也极大的节省了训练模型需要的时间。相应地，该方式能够利用原有数据集上训练好的模型来解决彩信图片分类问题。具体地，保留训练好的旧模型中所有卷积层的参数，并将旧模型中的最后一层全连接层替换为一个多层的全连接神经网络。因为已训练好的旧模型已经具备对图片的理解能力，所以除最后一层之外的神经层庞大的参数不需要再次训练，只需要训练新添加的全连接神经网络即可，由此大幅提升训练效率。其中，全连接层一般会把卷积输出的二维特征图转化成一维的一个向量。全连接层也是一种卷积层，对于输入的每一张图向量，利用一个和图像一样大小的核卷积，使整幅图能够转化为数字形式的一个数。全连接层一般由两部分组成：一部分是线性部分，主要做线性映射；另一部分是非线性部分，用于对线性变换的输出结果做非线性转换。具体训练过程如下：在彩信图像数据集上，利用训练好的卷积神经网络对图像进行特征提取，然后将提取得到的特征向量作为输入来训练一个全新的全连接神经网络以处理本发明中新的分类问题，迁移学习所需的训练时间和训练样本数要远远小于训练完整的模型，但从分类结果看，模型在新的数据集上很快能够收敛，并达到良好的分类效果。
另外，在图像分类模型的训练过程中，可以将样本图片划分为以下五种类型：
(1)催债类图片：主要是人物加上法院或者律师公文后得到的图片；还可能是人物加上各种辱骂文件和色情图片构成的拼接图片；
(2)发票类图片：主要是将开发票的文字信息转为图片进行发送；
(3)色情类图片：泛指各种色情图片；
(4)广告类图片：主要是商家打折、开张等促销图片；
(5)正常类图片：主要是手机正常拍摄的一些图片。
相应地，图像分类模型的输出结果主要包括上述的五种类型，而本实施例重点关注上述的第(1)类图片。
步骤S230：确定与文本数据相对应的文本特征向量，将文本特征向量输入预设的文本分类模型，得到文本识别结果。
其中，文本分类模型可通过预先训练的方式得到。为了便于训练，可以预先将样本彩信标注为正样本或负样本。其中，正样本为失信类型的样本，负样本为非失信类型的样本。可选地，还可以进一步将正样本标注为多个等级的正样本。例如，在本实施例中，可以根据正样本的来源将正样本划分为三个等级，其中，第一等级的正样本主要包括用户发来的情绪激动的催债彩信，第二等级的正样本主要包括来自法院或律所的公文类彩信，第三等级的正样本主要包括来自信用卡平台或借贷平台的延迟还款彩信。具体地，在划分等级时，将涉及人身攻击、辱骂、威胁等内容的归为一类(即上述第一等级的正样本)，相应地，需要结合预设的失信词典确定彩信样本是否属于第一等级的正样本；将涉及引用法律条文进行催债的内容的归为一类(即上述第二等级的正样本)，相应地，可以预先建立法条词典，用于存储与债务偿还等事务相关的法律条文，并结合该法条词典确定彩信样本是否属于第二等级的正样本；将涉及p2p等借贷平台、信用卡逾期等正常提醒等内容的归为一类(即上述第三等级的正样本)，相应地，可以预先建立信用词典，用于存储与信用借贷相关的措辞，并结合该信用词典确定彩信样本是否属于第三等级的正样本。上述提到的等级划分方式主要适用于针对彩信中包含的文本内容进行等级划分。然后，对标注后的样本彩信进行分词处理，并根据分词处理结果确定与样本彩信相对应的特征向量。其中，样本彩信相对应的特征向量包括：词向量(即彩信词向量)、主题向量、和/或数字型向量等。由于分词处理以及确定特征向量的操作较为复杂，因此，为了描述的紧凑性，将该部分内容放在本实施例的末尾集中阐述，此处不再赘述。最后，根据特征向量训练文本分类模型时，可通过多种机器学习算法进行训练，例如，可通过神经网络等算法进行训练。并且，还可以根据用户的反馈等因素对训练得到的分类模型进行修正，以提升模型精度。步骤S240：根据图像识别结果以及文本识别结果判断是否将与目标彩信相对应的通信号码筛选为目标号码。
在本实施例中，当图像识别结果以及文本识别结果同为失信类型的识别结果时，确定将与目标彩信相对应的通信号码筛选为目标号码。由于实际情况中，图片分类以及文本分类均可能出现误判，因此，将图像识别结果以及文本识别结果同时进行考虑能够显著提升判断的准确率。
另外，由于本实施例中的文本分类模型进一步将失信类型的结果划分为三个等级，从而用于确定多个不同的失信等级，因此，当图像识别结果以及文本识别结果同为失信类型的识别结果时，进一步根据图像识别结果和/或文本识别结果的失信等级确定目标号码的等级信息。由于目标彩信数量众多，其可能与失信号码相关，也可能与失信号码无关，因此，本步骤的实质相当于根据分类模型来判断目标彩信是否与失信号码相关，若是，将与目标彩信相对应的通信号码筛选为目标号码。其中，与目标彩信相对应的通信号码包括：目标彩信的接收方的号码、目标彩信的发送方的号码、以及目标彩信的正文中包含的号码。具体实现时，可以根据目标彩信的内容来判断与目标彩信相对应的通信号码的具体类型。比如，当目标彩信的内容为催债内容时，则可以将目标彩信的接收方的号码确定为目标号码；又如，当目标彩信的内容为拒不还债的内容时，则可以将目标彩信的发送方的号码确定为目标号码；再如，当目标彩信的内容为法院下发的传票通知类彩信或信用平台下发的催缴还款彩信时，可能在目标彩信的正文中包含欠款人的号码信息等各类身份信息，则可以将目标彩信的正文中包含的号码确定为目标号码。
步骤S250：若是，进一步判断目标号码是否为失信号码。
为了防止上一步骤中筛选的目标号码不准确，提升识别的准确性，通过本步骤进一步判断目标号码是否为失信号码。具体判断时，可采用多种方式，本实施例中主要采用客户端辅助标记的方式：当监测到与目标号码相关的通信事件时，在通信事件对应的终端界面中展现用于提示用户针对该目标号码进行失信类标记处理的提示信息；根据接收到的与提示信息相对应的确认标记信息，确定目标号码是否为失信号码。具体地，先将目标号码加入预设的监测列表中，该监测列表既可以存储在云服务器上也可以下发给各个客户端，以便在后续过程中监测与目标号码相关的通信事件。其中，与目标号码相关的通信事件包括：来电事件、去电事件、彩信事件、基于各类聊天应用的聊天事件等。总之，凡是由目标号码参与通信的事件均可作为本发明中的监测对象。当监测到与目标号码相关的通信事件时，在通信事件对应的终端界面中展现用于提示用户针对该目标号码进行失信类标记处理的提示信息时，该提示信息类似于“该用户可能为失信对象，请确认”等形式。另外，用于提示用户针对该目标号码进行失信类标记处理的提示信息中还可以进一步包含目标号码的等级信息，例如，该提示信息为“该用户可能为一级失信对象，请确认”等。目标号码的等级信息能够为用户的确认操作提供引导。当通信事件为来电或去电事件时，可在客户端的通话界面中添加提示信息，并设置用于确认的入口，以供用户发送确认标记信息；当通信事件为彩信类事件时，可向客户端下发包含提示信息的彩信，并在彩信中包含用于引导用户发送确认标记信息的内容。
另外，在根据接收到的与提示信息相对应的确认标记信息确定目标号码是否为失信号码时，为了防止误判，可以采用以下三种方式中的至少一种记性判断：
在第一种方式中，确定接收到的与目标号码相对应的确认标记信息的次数是否大于预设阈值，根据判断结果确定目标号码是否为失信号码。例如，若接收到的与目标号码相对应的确认标记信息的次数较多，则说明该号码为失信号码的概率较大，相应地，将其确定为失信号码。
在第二种方式中，获取接收到的与目标号码相对应的确认标记信息所对应的终端用户的用户标识，根据用户标识的个数确定目标号码是否为失信号码。其中，用户标识能够唯一标识一个用户，例如可以是用户的手机号等信息。相应地，根据用户标识的个数可以确定对该目标号码进行标记的用户是否为同一个用户，若是同一个用户，即使标记次数很多，但是，仍可能为作弊行为，因此，只有当用户标识的个数较多时才确定目标号码为失信号码。
在第三种方式中，获取接收到的与失信号码相对应的确认标记信息所对应的时间信息，根据时间信息的时段分布情况确定目标号码是否为失信号码。确认标记信息所对应的时间信息是指用户发送该确认标记信息的时间，将各次接收到的确认标记信息所对应的时间信息绘制在时间轴上，从而确定时间信息的时段分布情况，若各次确认标记信息均集中在同一时段则说明可能存在同一用户同时通过多个设备作弊的情况；反之，若各次确认标记信息所处的时段较为分散且无规律可言，则说明该号码为失信号码的可能性更大。
实际情况中，可以将上述三种方式结合使用，从而进一步提升判断准确率。
另外，在判断目标号码是否为失信号码时，还可以进一步结合其他方式实现，例如，将预设的法院类官方信息存储到官方数据库中，结合官方数据库判断目标号码是否为失信号码。其中，官方数据库用于存储已被法院确定为失信对象的名单列表。
步骤S260：若是，为失信号码设置用于在通信时进行显示的失信标签。
其中，该失信标签可采用多种方式实现，例如，可以直接将该失信号码以及对应的失信标签提供给相应的运营商，由运营商通过通信服务器为该失信号码设置对应的失信标签，从而在该失信号码进行任意通信行为时向对应的终端用户展示该失信标签。又如，也可以直接将该失信号码以及对应的失信标签存储在云服务器上，相应地，当终端设备执行通信事件时，先通过终端设备上安装的客户端软件向云服务器发送请求，以便由云服务器判断该通信事件中的号码是否为失信号码，若是，则通知客户端软件展现对应的失信标签。
具体实现时，将失信号码以及与失信号码相对应的失信标签关联存储到云服务器中，以便在监测到与失信号码相关的通信事件时，在与失信号码对应的通信终端中创建用于显示失信标签的显示界面。
可选地，还可以进一步将云服务器中存储的失信号码以及与失信号码相对应的失信标签下发给与失信号码对应的通信终端，以供通信终端下载到本地进行保存，以便再次监测到与失信号码相关的通信事件时，根据本地保存的失信号码以及与失信号码相对应的失信标签创建用于显示失信标签的显示界面。具体下发时，可以将云服务器中保存的失信号码及其失信标签统一存储在失信记录表中，从而将该失信记录表中的全部内容分别下发至每个通信终端。可选地，为了节约各个通信终端的存储空间，还可以预先分析每个通信终端上的联系人信息(即通讯录)，进而根据分析结果向各个通信终端下发与该通信终端的关联性较大的失信号码，从而提升下发的针对性。其中，与该通信终端的关联性较大的失信号码根据预设的联系人图表中的各个节点之间的最小路径值确定。例如，可以根据各个通信终端上的联系人信息构建联系人图表，该联系人图表由节点和边组成，其中，将每个联系人对应的通信标识(例如通信号码)作为一个节点，以边标识两个节点之间直接的关联。例如，联系人A(对应通信标识A)的手机通讯录中有联系人B(对应通信标识B)的号码，或者，通信标识A和通信标识B之间有过一定时长的历史通话记录等，那么在联系人图表中节点A和节点B之间建立有一条边。相应地，针对每个通信终端的用户而言，分析该用户对应的各个节点与其他节点之间的最小路径值，将最小路径值小于一定阈值的节点作为与该用户相关的节点，进而仅将与该用户相关的节点中包含的失信号码发送给该用户。其中，可以通过下述两种方式中的任一方式计算两个节点(第一节点与第二节点) 之间的最小路径值：(1)计算第一节点和第二节点之间的最小路径值，包括：利用最短路径算法计算第一节点和第二节点之间的最短路径；将最短路径中包含的边的数目作为最小路径值。(2)计算第一节点和第二节点之间的最小路径值，包括：获取第一节点和第二节点之间的全部路径；对第一节点和第二节点之间的任一路径，获取该路径上每个边的权重值，计算该路径中所有边的权重值之和作为加权和；其中，该路径上每个边的权重值与该边的两个节点对应联系方之间的历史呼叫次数具有负相关的关联关系；将第一节点和第二节点之间的全部路径中加权和最小的路径作为最短路径，将相应的加权和作为最小路径值。另外，还可以根据终端用户的职业信息、地域信息等各类用户属性信息向各个通信终端下发与该通信终端的关联性较大的失信号码。
其中，上述的失信标签可用于在与失信号码相关的各类通信事件所对应的通信终端中展现。其中，与失信号码相关的各类通信事件包括：由失信号码作为主叫方的来电事件、由失信号码作为被叫方的去电事件、由失信号码作为发送方或接收方的彩信事件或聊天事件等。由此可见，通过上述方式能够基于彩信筛选失信对象的失信号码，进而在其通信时向通信参与者展示失信标签。由于通信已成为当今社会中社交发展的必要手段，因此，通过在通信事件中展现失信标签，可使失信对象的合作伙伴了解其失信行为，进而使该失信对象的社交过程受阻，从而迫使其在社会舆论的压力下快速中止失信行为(例如偿还欠款等)。
另外，最后详细阐述上文提到的确定与文本数据相对应的文本特征向量，将文本特征向量输入预设的文本分类模型，以得到文本识别结果的操作过程。下面以目标彩信为例进行描述，样本彩信的操作过程与之类似，此处不再赘述。具体地，先对文本数据进行分词处理，具体处理时，除了采用阿里分词，还可以采用IKAnalyzer、盘古分词等分词工具进行分词，本申请实施例不限制分词使用的具体工具。分词之后，需要进一步根据分词结果确定特征向量，其中，特征向量的生成方式包括以下四种中的至少一种：
在第一种方式中，文本特征向量包括词向量。具体地，对目标彩信进行分词处理，以获得目标彩信的至少一个分词；分别将至少一个分词中的各个分词输入词向量工具获得至少一个词向量；将至少一个词向量中的所有词向量与预设的语料词矩阵相乘获得与目标彩信相对应的彩信词向量。由此可见，该方式在分词后，进一步获得每个分词的词向量，通过词向量来表示每个分词的语义。词向量为通过训练将语言中的每一个词映射成一个固定长度的向量，可以通过将每个分词输入词向量工具获得每个分词的词向量，例如可以通过word2vec工具把每个分词当做特征映射到K维空间获得分词的词向量。其中，词向量工具中包含有语料词矩阵，该语料词矩阵中为n*k的矩阵，n 为数据库中的分词量，k为每个词的维度，假设某一词向量工具中包含800 个分词、设定的词向量的维度为100，那么该语料词矩阵则为800*100的矩阵。将分词输入词向量工具，词向量工具会得到一个表示该分词位置的向量并将这个向量与语料词矩阵相乘便可获得并输出这个分词的词向量。在获得目标彩信的每个分词的词向量之后，进一步的，为了表示目标彩信的语义，通过将目标彩信的所有分词的词向量的乘积与语料词矩阵相乘获得目标彩信的目标词向量。例如：假设该语料词矩阵为800*100的矩阵T，若目标彩信的有 10个分词，n1～n10分别表示这10个分词的词向量，将n1*n2*…n10的乘积与语料词矩阵T相乘获得目标彩信的目标词向量，即目标词向量等于 n1*n2*…n10*T。
在第二种方式中，文本特征向量包括主题向量。具体地，对获取到的目标彩信进行分词处理，根据分词处理结果确定与目标彩信相对应的文本特征向量时，根据对目标彩信进行分词处理后得到的至少一个分词以及预设的语义主题生成模型获得与目标彩信相对应的主题向量。例如，可以通过LDA (Latent Dirichlet Allocation，语义主题生成模型)获得目标彩信所属的主题向量即主题。具体的，将目标彩信的至少一个分词中的所有分词输入LDA模型， LDA模型会对应每个分词获得表示其所属主题topic概率的向量，然后将输入的所有分词的表示其所属主题topic概率的向量相加，在将相加得到的向量与 LDA模型的主题矩阵相乘获得目标彩信的主题向量并输出。例如：假设LDA 模型的主题矩阵为10*100的矩阵T1，若目标彩信的有10个分词，m1～m10 分别表示这10个分词所属主题topic概率的向量，将m1*m2*…m10相加然后再与主题矩阵T1相乘获得目标彩信的主题向量，即目标彩信的主题向量等于 (m1+m2+…m10)*T1。优选地，第二种方式可以与第一种方式相结合，例如，将至少一个分词中的每个分词作为第一特征、彩信词向量作为第二特征、主题向量作为第三特征组合成一特征矩阵(相当于上文提到的特征向量)，将该特征矩阵输入文本分类模型对目标彩信进行分类，以确定其是否为失信类型的彩信。相应地，文本分类模型通过如下方法获得：采用预置的彩信分类规则，构造多分类的文本分类模型，其中，文本分类模型中的各个参数依据彩信的属性特征进行设置，属性特征包括彩信的分词、词向量及主题向量；获取多种类别的彩信，其中，每种类别的彩信包含多条；将多种类别的彩信作为训练样本对文本分类模型进行训练，计算文本分类模型中的各个参数，得到训练后的文本分类模型。该方式根据彩信的分词、词向量及主题向量进行分类，增加了分类可依据的特征，使得对彩信的分类能够更细致、深入，提升了结果的精确度。另外，由于词向量不仅表征彩信本身的语义，还能够表征彩信与相似彩信之间的关系，而且主题向量能够表征彩信所属的主题及与其它主题之间的关系，通过彩信的词向量和主题向量，能够帮助文本分类模型对新的、相似的彩信进行分类，提升了文本分类模型的泛化能力，即提升了对彩信的识别度。
在第三种方式中，文本特征向量包括数字型向量。具体地，对获取到的目标彩信进行分词处理，根据分词处理结果确定与目标彩信相对应的特征向量时，获取目标彩信中包含的各个分词以及数字信息，以数字信息为基准分别计算各个分词到各个数字信息的距离；将距离作为权重，各个分词作为维度，对彩信内容进行描述以生成与目标彩信相对应的数字型向量。由于实际情况中，很多彩信中会包含数字信息，例如，银行发来的消费信息、余额信息，或信用平台发来的包含还款金额的还款彩信，以及法院发来的催缴欠款通知的短息以及债主发来的包含欠款金额的彩信等。因此，需要先解析出彩信中的数字信息，并针对数字信息进行有针对性地处理。具体可以先删除原始彩信中的特定信息后再解析，以防止造成干扰。其中，特定信息包括彩信中的URL、IP地址等信息，将该些信息删除，以防止对表征消费金额、物流单号等有用数字信息的干扰。总之，由于数字信息相对于文本信息而言，可能重要程度更高，对于催债彩信中的欠款金额以及电话号码的判定意义较大，因此，通过提取彩信中的数字内容以生成数字型向量能够更好地提升判断结果的准确性。具体实现时，还可结合条件随机场算法来预测彩信中包含的各个数字表示的意义，以便分析其是否为失信号码或欠款信息。
上述的几种特征向量的生成方式可以单独使用，也可以结合使用，当结合使用时，每种类型的向量分别作为特征向量的一个维度，从而生成一个多维特征向量。相应地，文本分类模型的训练过程与特征向量的生成方式相对应。通过上述方式，能够准确地判定目标彩信的类型，以便筛选出失信类型的彩信，并据此分析出对应的失信号码。
另外，在上述过程中，考虑到债务人屡屡欠债的恶意行为往往会激怒债权人，使得债权人出于愤怒或威胁而向债务人发送语气不友好的彩信内容。为此，还可以预先建立失信词典，该失信词典用于存储各种辱骂、威胁类的词汇。相应地，优先将各个分词与失信词典中的词汇进行匹配，若存在至少一个与失信词典相匹配的分词，则可以初步确定该目标彩信可能与催债类型相关。进一步地，还可以根据与失信词典相匹配的分词的数量以及匹配度得分来确定目标彩信为催债类彩信的概率。
另外，在上述过程中，可以预先训练词向量，根据训练结果得到上文提到的词向量工具。具体训练时，需要从收集到的样本彩信中筛选发送号码为个人号码的彩信进行训练。例如，侧重选择个人手机号发送的彩信来进行训练，具体原因在于：通常辱骂性质的彩信不会走端口下发，因此，通过选择样本彩信的来源能够有效提升训练结果的准确性。另外，上述分析彩信内容并生成特征向量的操作优选在云端实现。相应的，在实现时，通信终端设备中的操作系统一般会为应用程序开放一些接口，供应用程序从系统中获取所需的信息。因此，在本发明实施例中，为了能够对通信终端的彩信接收情况进行监测，可以在通信终端中运行一应用程序，然后就可以利用通信终端系统的这一特点，在操作系统中对应用程序进行注册。这样，当操作系统广播通知消息时，应用程序就能够收听到这种通知消息，并从中获取所需的信息。例如，当接收彩信时，通信终端的操作系统就会广播该彩信接收消息，并携带彩信发送方的电话号码，这样，应用程序就能够监测到该事件，并从中获取到彩信发送方的电话号码。总之，客户端(即通信终端设备)能够将获取到的彩信相关信息上报给云服务器，以供云服务器分析。可选地，为了防止将彩信完整内容上报给云端损害用户隐私的现象发生，可以在本实施例中对客户端获取到的彩信相关信息进行预设处理，以使云服务器无法获取到原始的彩信内容。该预设处理包括：哈希处理等。例如，当客户端接收到彩信时，计算出彩信的内容对应的哈希值；将彩信的内容对应的哈希值上传到云端服务器，以供云端服务器根据该哈希值对彩信进行分类。其中，客户端计算出彩信的内容对应的哈希值的过程具体包括：对彩信的内容进行分词处理；对分词后的各个词赋予不同的向量值，汇总计算得到彩信的内容对应的simhash 值。
综上可知，本实施例提供的方式能够利用收集到的彩信有效挖掘出潜在的失信号码，并结合用户标注等方式确保失信号码的准确度。而且，通过为失信号码设置用于在通信时显示的失信标签，能够在该失信号码进行各类通信行为时将该失信标签展现给本次通信的相关人士，以达到通过社会舆论以及民众监督的方式促使失信人履行义务的效果。由于人们的日常交往均离不开通信行为，因此，本方式的威慑效果较为理想。
另外，在本实施例中，为了使失信号码的展示方式更为灵活，也为了便于公众了解对应的失信被执行人的具体情况，可以进一步确定失信号码的号码属性信息和/或关联图像信息。其中，失信号码的号码属性信息和/或关联图像信息可根据终端设备的通信界面中预设的通信评论入口获取。例如，每当检测到通信事件结束后，在与该通信事件相对应的通信界面中弹出通信评论入口，以供用户输入针对本次通信事件中的通信对象进行评价的内容，具体可输入关于通信对象的失信信息、还可输入通信对象的年龄、职业信息，甚至可以上传通信对象的照片、视频信息。云服务器接收各个通信终端通过通信评论入口收集到的关于各个通信对象的评论信息，并根据上述评论信息确定失信号码的号码属性信息和/或关联图像信息。具体实施时，该通信评论入口可以仅针对参与通信事件的终端用户开放。为了防止用户恶意评论，未参与通信事件的终端用户无法针对相应的通信事件中的通信对象进行评论。相应地，在失信号码设置用于在通信时进行显示的失信标签时，根据失信号码的号码属性信息确定该失信号码的失信标签中包含的标签属性信息，和/或，根据失信号码的关联图像信息确定该失信号码的失信标签中包含的标签图像信息。其中，标签属性信息包括以下中的至少一个：用于表示失信等级的信息(例如可根据失信的严重程度划分多个失信等级)、用于表示失信时间的信息(例如表示具体的失信天数，天数越长说明其行为越恶劣)、用于表示失信事件的信息(例如表示具体的事件类型，如欠款类、拒不赔偿类、不遵守公共法规类)、以及用于表示失信对象身份的信息(例如失信对象的身份证号、职务、籍贯等)。通过标签属性信息能够便于其他用户了解失信对象的具体行为及身份。标签图像信息包括以下中的至少一个：与失信对象的照片或视频相对应的信息(如失信被执行人的个人照片)、以及与失信事件的照片或视频相对应的信息(例如事件对应的录像等)。通过标签图像信息能够便于其他用户了解失信对象的外貌特征，从而对失信对象造成威慑。另外，在显示失信标签时，可预先设置多个分别对应于不同的标签属性信息和/或标签图像信息的失信显示模板，从预设的多个失信显示模板中确定与失信标签中的标签属性信息和/或标签图像信息相匹配的失信显示模板；在终端设备中根据与失信标签中的标签属性信息和/或标签图像信息相匹配的失信显示模板显示失信标签。例如，可分别针对不同失信等级的失信标签，设置不同的失信显示模板：失信等级越高，其对应的失信显示模板中包含的模板元素的数量越丰富，以利于全面展现其个人信息，达到较强的威慑效果。又如，可分别针对不同类型的标签图像信息的失信标签，设置不同的失信显示模板：标签图像信息为静态图片的对应于一类模板，标签图像信息为动态视频的对应于另一类模板，以便于根据图像的特点设置模板中包含的各个模板元素的尺寸，以实现更佳的展现效果。具体实施时，根据失信显示模板显示失信标签时，首先，确定该失信显示模板中包含的模板元素的种类和数量；然后，分别确定各个模板元素的元素值，该元素值用于表示对应元素的位置、尺寸、形状以及显示内容等信息；最后，分别以各元素的元素值对应的内容填充失信显示模板中的相应元素，以生成失信标签。具体地，终端设备可以通过浮层的形式显示失信标签，并且还可以控制浮层的透明度，以提高视觉效果。
图3示出了示出了本发明又一实施例提供的一种失信号码的显示装置的装置结构图，如图3所示，所述装置包括：
解析模块31，适于对获取到的目标彩信进行解析，得到与所述目标彩信相对应的图像数据以及文本数据；
识别模块32，适于根据预设的图像识别规则对所述图像数据进行识别，得到图像识别结果；以及，根据预设的文本识别规则对所述文本数据进行识别，得到文本识别结果；
筛选判断模块33，适于当根据所述图像识别结果以及所述文本识别结果将与所述目标彩信相对应的通信号码筛选为目标号码时，进一步判断所述目标号码是否为失信号码；
标签设置模块34，适于若是，为所述失信号码设置用于在通信时进行显示的失信标签。
可选地，所述解析模块31具体适于：
按照与所述目标彩信的加密过程相对应的解密规则对所述目标彩信进行解析，得到所述目标彩信中包含的彩信图片；
根据所述彩信图片确定与所述目标彩信相对应的图像数据；
对所述彩信图片进行文字识别处理，得到与所述目标彩信相对应的文本数据；
将所述图像数据和所述文本数据与所述目标彩信进行关联存储。
可选地，所述装置进一步包括：
接口模块35，适于通过预设的彩信流量接口获取彩信流量信息，对所述彩信流量信息进行分析，以得到目标彩信。
可选地，所述筛选判断模块33具体适于：
当监测到与所述目标号码相关的通信事件时，在所述通信事件对应的终端界面中展现用于提示用户针对该目标号码进行失信类标记处理的提示信息；
根据接收到的与所述提示信息相对应的确认标记信息，确定所述目标号码是否为失信号码；
其中，所述通信事件包括：来电事件和/或去电事件。
可选地，所述筛选判断模块33具体适于：
当所述图像识别结果以及所述文本识别结果同为失信类型的识别结果时，进一步根据所述图像识别结果和/或所述文本识别结果的失信等级确定所述目标号码的等级信息；
且所述用于提示用户针对该目标号码进行失信类标记处理的提示信息中进一步包含所述目标号码的等级信息。
可选地，所述筛选判断模块33具体适于：
确定接收到的与所述目标号码相对应的确认标记信息的次数是否大于预设阈值，根据判断结果确定目标号码是否为失信号码；和/或，
获取接收到的与所述目标号码相对应的确认标记信息所对应的终端用户的用户标识，根据所述用户标识的个数确定所述目标号码是否为失信号码；和/或，
获取接收到的与所述失信号码相对应的确认标记信息所对应的时间信息，根据所述时间信息的时段分布情况确定所述目标号码是否为失信号码。
可选地，所述标签设置模块34具体适于：
将所述失信号码以及与所述失信号码相对应的失信标签关联存储到云服务器中，以便在监测到与所述失信号码相关的通信事件时，在与所述失信号码对应的通信终端中创建用于显示所述失信标签的显示界面。
可选地，所述标签设置模块34进一步适于：
将所述云服务器中存储的所述失信号码以及与所述失信号码相对应的失信标签下发给所述与所述失信号码对应的通信终端，以供所述通信终端下载到本地进行保存，以便再次监测到与所述失信号码相关的通信事件时，根据本地保存的所述失信号码以及与所述失信号码相对应的失信标签创建用于显示所述失信标签的显示界面。
可选地，所述筛选判断模块33进一步适于：
将预设的法院类官方信息存储到官方数据库中，结合所述官方数据库判断所述目标号码是否为失信号码。
可选地，所述识别模块32进一步包括：
第一子模块321，适于确定与所述图像数据相对应的图像特征向量，将所述图像特征向量输入预设的图像分类模型，得到图像识别结果；
第二子模块322，适于确定与所述文本数据相对应的文本特征向量，将所述文本特征向量输入预设的文本分类模型，得到文本识别结果。
可选地，所述文本特征向量包括：词向量，则所述第二子模块322具体适于：
对所述文本数据进行分词处理，以获得所述文本数据的至少一个分词；
分别将所述至少一个分词中的各个分词输入词向量工具获得至少一个词向量；
将所述至少一个词向量中的所有词向量与预设的语料词矩阵相乘获得与所述文本数据相对应的词向量。
可选地，所述文本特征向量包括：主题向量，则所述第二子模块322具体适于：
根据对所述文本数据进行分词处理后得到的至少一个分词以及预设的语义主题生成模型获得与所述文本数据相对应的主题向量。
可选地，所述文本特征向量包括：数字型向量，则所述第二子模块322 具体适于：
获取所述文本数据中包含的各个分词以及数字信息，以所述数字信息为基准分别计算各个分词到各个数字信息的距离；
将所述距离作为权重，各个分词作为维度，对彩信内容进行描述以生成与所述文本数据相对应的数字型向量。
可选地，所述装置进一步包括：
训练模块36，适于根据与获取到的样本彩信相对应的文本数据，确定与所述样本彩信相对应的文本特征向量；根据与所述样本彩信相对应的文本特征向量训练所述文本分类模型；
其中，所述样本彩信相对应的文本特征向量包括：词向量、主题向量、和/或数字型向量。
可选地，所述样本彩信包括：催债彩信、法院或律师函彩信、和/或信用平台彩信，所述失信号码包括：老赖号码。
上述各个模块的具体结构和工作原理可参照方法实施例中相应步骤的描述，此处不再赘述。
本申请实施例提供了一种非易失性计算机存储介质，计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的失信号码的显示方法。
图4示出了根据本发明实施例的一种电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
如图4所示，该电子设备可以包括：处理器(processor)402、通信接口 (Communications Interface)404、存储器(memory)406、以及通信总线408。
其中：
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述失信号码的显示方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC (Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行上述任意方法实施例中的失信号码的显示方法。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的失信号码的显示装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明还公开了：A1.一种失信号码的显示方法，包括：
对获取到的目标彩信进行解析，得到与所述目标彩信相对应的图像数据以及文本数据；
根据预设的图像识别规则对所述图像数据进行识别，得到图像识别结果；以及，根据预设的文本识别规则对所述文本数据进行识别，得到文本识别结果；
当根据所述图像识别结果以及所述文本识别结果将与所述目标彩信相对应的通信号码筛选为目标号码时，进一步判断所述目标号码是否为失信号码；
若是，为所述失信号码设置用于在通信时进行显示的失信标签。
A2.根据A1所述的方法，其中，所述对获取到的目标彩信进行解析，得到与所述目标彩信相对应的图像数据以及文本数据的步骤具体包括：
按照与所述目标彩信的加密过程相对应的解密规则对所述目标彩信进行解析，得到所述目标彩信中包含的彩信图片；
根据所述彩信图片确定与所述目标彩信相对应的图像数据；
对所述彩信图片进行文字识别处理，得到与所述目标彩信相对应的文本数据；
将所述图像数据和所述文本数据与所述目标彩信进行关联存储。
A3.根据A1或A2所述的方法，其中，所述对获取到的目标彩信进行解析的步骤之前，进一步包括：
通过预设的彩信流量接口获取彩信流量信息，对所述彩信流量信息进行分析，以得到目标彩信。
A4.根据A1-A3任一所述的方法，其中，所述判断所述目标号码是否为失信号码的步骤具体包括：
当监测到与所述目标号码相关的通信事件时，在所述通信事件对应的终端界面中展现用于提示用户针对该目标号码进行失信类标记处理的提示信息；
根据接收到的与所述提示信息相对应的确认标记信息，确定所述目标号码是否为失信号码；
其中，所述通信事件包括：来电事件和/或去电事件。
A5.根据A3所述的方法，其中，所述根据所述图像识别结果以及所述文本识别结果将与所述目标彩信相对应的通信号码筛选为目标号码的步骤具体包括：
当所述图像识别结果以及所述文本识别结果同为失信类型的识别结果时，进一步根据所述图像识别结果和/或所述文本识别结果的失信等级确定所述目标号码的等级信息；
且所述用于提示用户针对该目标号码进行失信类标记处理的提示信息中进一步包含所述目标号码的等级信息。
A6.根据A4或A5所述的方法，其中，所述根据接收到的与所述提示信息相对应的确认标记信息，确定所述目标号码是否为失信号码的步骤具体包括：
确定接收到的与所述目标号码相对应的确认标记信息的次数是否大于预设阈值，根据判断结果确定目标号码是否为失信号码；和/或，
获取接收到的与所述目标号码相对应的确认标记信息所对应的终端用户的用户标识，根据所述用户标识的个数确定所述目标号码是否为失信号码；和/或，
获取接收到的与所述失信号码相对应的确认标记信息所对应的时间信息，根据所述时间信息的时段分布情况确定所述目标号码是否为失信号码。
A7.根据A1-A6任一所述的方法，其中，所述为所述失信号码设置用于在通信时进行显示的失信标签的步骤具体包括：
将所述失信号码以及与所述失信号码相对应的失信标签关联存储到云服务器中，以便在监测到与所述失信号码相关的通信事件时，在与所述失信号码对应的通信终端中创建用于显示所述失信标签的显示界面。
A8.根据A7所述的方法，其中，所述在与所述失信号码对应的通信终端中创建用于显示所述失信标签的显示界面的步骤之后，进一步包括：
将所述云服务器中存储的所述失信号码以及与所述失信号码相对应的失信标签下发给所述与所述失信号码对应的通信终端，以供所述通信终端下载到本地进行保存，以便再次监测到与所述失信号码相关的通信事件时，根据本地保存的所述失信号码以及与所述失信号码相对应的失信标签创建用于显示所述失信标签的显示界面。
A9.根据A1-A8任一所述的方法，其中，所述判断所述目标号码是否为失信号码的步骤进一步包括：
将预设的法院类官方信息存储到官方数据库中，结合所述官方数据库判断所述目标号码是否为失信号码。
A10.根据A1-A9任一所述的方法，其中，所述根据预设的图像识别规则对所述图像数据进行识别，得到图像识别结果的步骤具体包括：确定与所述图像数据相对应的图像特征向量，将所述图像特征向量输入预设的图像分类模型，得到图像识别结果；
所述根据预设的文本识别规则对所述文本数据进行识别，得到文本识别结果的步骤具体包括：确定与所述文本数据相对应的文本特征向量，将所述文本特征向量输入预设的文本分类模型，得到文本识别结果。
A11.根据A10所述的方法，其中，所述文本特征向量包括：词向量，则所述确定与所述文本数据相对应的文本特征向量的步骤具体包括：
对所述文本数据进行分词处理，以获得所述文本数据的至少一个分词；
分别将所述至少一个分词中的各个分词输入词向量工具获得至少一个词向量；
将所述至少一个词向量中的所有词向量与预设的语料词矩阵相乘获得与所述文本数据相对应的词向量。
A12.根据A10-A11任一所述的方法，其中，所述文本特征向量包括：主题向量，则所述确定与所述文本数据相对应的文本特征向量的步骤具体包括：
根据对所述文本数据进行分词处理后得到的至少一个分词以及预设的语义主题生成模型获得与所述文本数据相对应的主题向量。
A13.根据A10-A12任一所述的方法，其中，所述文本特征向量包括：数字型向量，则所述确定与所述文本数据相对应的文本特征向量的步骤具体包括：
获取所述文本数据中包含的各个分词以及数字信息，以所述数字信息为基准分别计算各个分词到各个数字信息的距离；
将所述距离作为权重，各个分词作为维度，对彩信内容进行描述以生成与所述文本数据相对应的数字型向量。
A14.根据A10-A13任一所述的方法，其中，所述文本分类模型通过以下方式确定：
根据与获取到的样本彩信相对应的文本数据，确定与所述样本彩信相对应的文本特征向量；
根据与所述样本彩信相对应的文本特征向量训练所述文本分类模型；
其中，所述样本彩信相对应的文本特征向量包括：词向量、主题向量、和/或数字型向量。
A15.根据A14所述的方法，其中，所述样本彩信包括：催债彩信、法院或律师函彩信、和/或信用平台彩信，所述失信号码包括：老赖号码。
B16.一种失信号码的显示装置，包括：
解析模块，适于对获取到的目标彩信进行解析，得到与所述目标彩信相对应的图像数据以及文本数据；
识别模块，适于根据预设的图像识别规则对所述图像数据进行识别，得到图像识别结果；以及，根据预设的文本识别规则对所述文本数据进行识别，得到文本识别结果；
筛选判断模块，适于当根据所述图像识别结果以及所述文本识别结果将与所述目标彩信相对应的通信号码筛选为目标号码时，进一步判断所述目标号码是否为失信号码；
标签设置模块，适于若是，为所述失信号码设置用于在通信时进行显示的失信标签。
B17.根据B16所述的装置，其中，所述解析模块具体适于：
按照与所述目标彩信的加密过程相对应的解密规则对所述目标彩信进行解析，得到所述目标彩信中包含的彩信图片；
根据所述彩信图片确定与所述目标彩信相对应的图像数据；
对所述彩信图片进行文字识别处理，得到与所述目标彩信相对应的文本数据；
将所述图像数据和所述文本数据与所述目标彩信进行关联存储。
B18.根据B16或B17所述的装置，其中，所述装置进一步包括：
接口模块，适于通过预设的彩信流量接口获取彩信流量信息，对所述彩信流量信息进行分析，以得到目标彩信。
B19.根据B16-B18任一所述的装置，其中，所述筛选判断模块具体适于：
当监测到与所述目标号码相关的通信事件时，在所述通信事件对应的终端界面中展现用于提示用户针对该目标号码进行失信类标记处理的提示信息；
根据接收到的与所述提示信息相对应的确认标记信息，确定所述目标号码是否为失信号码；
其中，所述通信事件包括：来电事件和/或去电事件。
B20.根据B19所述的装置，其中，所述筛选判断模块具体适于：
当所述图像识别结果以及所述文本识别结果同为失信类型的识别结果时，进一步根据所述图像识别结果和/或所述文本识别结果的失信等级确定所述目标号码的等级信息；
且所述用于提示用户针对该目标号码进行失信类标记处理的提示信息中进一步包含所述目标号码的等级信息。
B21.根据B19或B20所述的装置，其中，所述筛选判断模块具体适于：
确定接收到的与所述目标号码相对应的确认标记信息的次数是否大于预设阈值，根据判断结果确定目标号码是否为失信号码；和/或，
获取接收到的与所述目标号码相对应的确认标记信息所对应的终端用户的用户标识，根据所述用户标识的个数确定所述目标号码是否为失信号码；和/或，
获取接收到的与所述失信号码相对应的确认标记信息所对应的时间信息，根据所述时间信息的时段分布情况确定所述目标号码是否为失信号码。
B22.根据B16-B21任一所述的装置，其中，所述标签设置模块具体适于：
将所述失信号码以及与所述失信号码相对应的失信标签关联存储到云服务器中，以便在监测到与所述失信号码相关的通信事件时，在与所述失信号码对应的通信终端中创建用于显示所述失信标签的显示界面。
B23.根据B22所述的装置，其中，所述标签设置模块进一步适于：
将所述云服务器中存储的所述失信号码以及与所述失信号码相对应的失信标签下发给所述与所述失信号码对应的通信终端，以供所述通信终端下载到本地进行保存，以便再次监测到与所述失信号码相关的通信事件时，根据本地保存的所述失信号码以及与所述失信号码相对应的失信标签创建用于显示所述失信标签的显示界面。
B24.根据B16-B23任一所述的装置，其中，所述筛选判断模块进一步适于：
将预设的法院类官方信息存储到官方数据库中，结合所述官方数据库判断所述目标号码是否为失信号码。
B25.根据B16-B21任一所述的装置，其中，所述识别模块进一步包括：
第一子模块，适于确定与所述图像数据相对应的图像特征向量，将所述图像特征向量输入预设的图像分类模型，得到图像识别结果；
第二子模块，适于确定与所述文本数据相对应的文本特征向量，将所述文本特征向量输入预设的文本分类模型，得到文本识别结果。
B26.根据B25所述的装置，其中，所述文本特征向量包括：词向量，则所述第二子模块具体适于：
对所述文本数据进行分词处理，以获得所述文本数据的至少一个分词；
分别将所述至少一个分词中的各个分词输入词向量工具获得至少一个词向量；
将所述至少一个词向量中的所有词向量与预设的语料词矩阵相乘获得与所述文本数据相对应的词向量。
B27.根据B16-B26任一所述的装置，其中，所述文本特征向量包括：主题向量，则所述第二子模块具体适于：
根据对所述文本数据进行分词处理后得到的至少一个分词以及预设的语义主题生成模型获得与所述文本数据相对应的主题向量。
B28.根据B16-B27任一所述的装置，其中，所述文本特征向量包括：数字型向量，则所述第二子模块具体适于：
获取所述文本数据中包含的各个分词以及数字信息，以所述数字信息为基准分别计算各个分词到各个数字信息的距离；
将所述距离作为权重，各个分词作为维度，对彩信内容进行描述以生成与所述文本数据相对应的数字型向量。
B29.根据B16-B28任一所述的装置，其中，所述装置进一步包括：
训练模块，适于根据与获取到的样本彩信相对应的文本数据，确定与所述样本彩信相对应的文本特征向量；根据与所述样本彩信相对应的文本特征向量训练所述文本分类模型；
其中，所述样本彩信相对应的文本特征向量包括：词向量、主题向量、和/或数字型向量。
B30.根据B29所述的装置，其中，所述样本彩信包括：催债彩信、法院或律师函彩信、和/或信用平台彩信，所述失信号码包括：老赖号码。
C31.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如A1-A15中任一项所述的失信号码的显示方法对应的操作。
D32.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如A1-A15中任一项所述的失信号码的显示方法对应的操作。