1.一种消息分类方法，其特征在于，所述方法包括：
计算每个样本消息的特征值，所述特征值用于表示相应的样本消息是垃圾消息的可能性大小，样本消息包括正常样本消息和垃圾样本消息；
按照特征值从大到小的顺序遍历样本消息，对于当前遍历到的第一样本消息，将特征值小于所述第一样本消息的特征值的样本消息作为第一特征消息；当所述第一特征消息中正常样本消息所占的比例大于第一预设阈值时，将所述第一样本消息的特征值作为第一分离阈值，所述第一分离阈值用于划分出正常消息；
按照特征值从小到大的顺序遍历样本消息，对于当前遍历到的第二样本消息，将特征值大于所述第二样本消息的特征值的样本消息作为第二特征消息；当所述第二特征消息中垃圾样本消息所占的比例大于第二预设阈值时，将所述第二样本消息的特征值作为第二分离阈值，所述第二分离阈值用于划分出垃圾消息；
将特征值大于所述第一分离阈值且小于所述第二分离阈值的样本消息作为下一层样本消息，对下一层样本消息重复执行上述确定第一分离阈值和第二分离阈值的步骤，得到下一层的第一分离阈值和第二分离阈值，直至特征值大于当前层的第一分离阈值且小于当前层的第二分离阈值的样本消息的数目小于预设数目时停止，得到多层的第一分离阈值和第二分离阈值；
基于所述多层的第一分离阈值和第二分离阈值，对接收到的消息进行分类，得到分类结果。
2.根据权利要求1所述的方法，其特征在于，所述计算每个样本消息的特征值包括：
根据每个样本消息的联系人信息、消息长度、文本结构、包含的特殊符号和关键词中的至少一项，获取每个样本消息的特征向量；
根据每个样本消息的特征向量，应用以下公式，计算每个样本消息的特征值：
其中，Y表示分类集合，Y＝{c1,c2}，c1表示垃圾消息，c2表示正常消息，X指代样本消息的特征向量，X＝{X1,X2…Xj…}，j指代特征向量的维度，j为自然数，Xj指代第j个维度的特征向量，x表示当前样本消息的特征向量，x＝{x1,x2…xj…}，xj表示当前样本消息的第j个维度的特征向量，PSN(X＝x)表示当前样本消息的特征值，P(Xj＝xj|Y＝c1)表示垃圾样本消息中特征向量的第j个维度是xj的概率，P(Xj＝xj|Y＝c2)表示正常样本消息中特征向量的第j个维度是xj的概率。
3.根据权利要求1所述的方法，其特征在于，所述基于所述多层的第一分离阈值和第二分离阈值，对接收到的消息进行分类，得到分类结果包括：
当接收到任一消息时，根据所述消息的内容，计算所述消息的特征值；
对于每一层的第一分离阈值和第二分离阈值，当所述特征值不大于所述第一分离阈值时，确定所述消息为正常消息；或者，
当所述特征值不小于所述第二分离阈值时，确定所述消息为垃圾消息；或者，当所述特征值大于所述第一分离阈值且小于所述第二分离阈值时，基于下一层的第一分离阈值和第二分离阈值，继续对所述消息进行分类，直至得到所述分类结果。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对于每一层的每个样本消息，根据所述样本消息对应的第一特征消息中正常样本消息的数目，以及所述样本消息对应的第二特征消息中垃圾样本消息的数目，计算分类准确率，所述分类准确率用于表示根据所述样本消息的特征值进行分类时的准确率；
将每一层中分类准确率最大的样本消息的特征值作为第三分离阈值，得到多层的第三分离阈值；
基于所述多层的第一分离阈值、第二分离阈值和第三分离阈值，对接收到的消息进行分类，得到所述分类结果。
5.根据权利要求4所述的方法，其特征在于，所述基于所述多层的第一分离阈值、第二分离阈值和第三分离阈值，对接收到的消息进行分类，得到所述分类结果包括：
对于每一层的第一分离阈值、第二分离阈值和第三分离阈值，当所述消息的特征值大于所述第一分离阈值且小于所述第三分离阈值时，将当前层作为所述消息的正常消息可能层；或者，当所述消息的特征值不小于所述第三分离阈值且小于所述第二分离阈值时，将当前层作为所述消息的垃圾消息可能层；
如果所述消息的特征值大于最后一层的第一分离阈值且小于最后一层的第二分离阈值，获取所述消息的正常消息可能层的第一数目以及垃圾消息可能层的第二数目；
当所述第一数目大于所述第二数目时，确定所述消息为正常消息；或者，当所述第一数目小于所述第二数目时，确定所述消息为垃圾消息。
6.一种消息分类装置，其特征在于，所述装置包括：
特征值计算模块，用于计算每个样本消息的特征值，所述特征值用于表示相应的样本消息是垃圾消息的可能性大小，样本消息包括正常样本消息和垃圾样本消息；
第一遍历模块，用于按照特征值从大到小的顺序遍历样本消息，对于当前遍历到的第一样本消息，将特征值小于所述第一样本消息的特征值的样本消息作为第一特征消息；当所述第一特征消息中正常样本消息所占的比例大于第一预设阈值时，将所述第一样本消息的特征值作为第一分离阈值，所述第一分离阈值用于划分出正常消息；
第二遍历模块，用于按照特征值从小到大的顺序遍历样本消息，对于当前遍历到的第二样本消息，将特征值大于所述第二样本消息的特征值的样本消息作为第二特征消息；当所述第二特征消息中垃圾样本消息所占的比例大于第二预设阈值时，将所述第二样本消息的特征值作为第二分离阈值，所述第二分离阈值用于划分出垃圾消息；
多层获取模块，用于将特征值大于所述第一分离阈值且小于所述第二分离阈值的样本消息作为下一层样本消息，对下一层样本消息重复执行上述确定第一分离阈值和第二分离阈值的步骤，得到下一层的第一分离阈值和第二分离阈值，直至特征值大于当前层的第一分离阈值且小于当前层的第二分离阈值的样本消息的数目小于预设数目时停止，得到多层的第一分离阈值和第二分离阈值；
分类模块，用于基于所述多层的第一分离阈值和第二分离阈值，对接收到的消息进行分类，得到分类结果。
7.根据权利要求6所述的装置，其特征在于，所述特征值计算模块用于根据每个样本消息的联系人信息、消息长度、文本结构、包含的特殊符号和关键词中的至少一项，获取每个样本消息的特征向量；根据每个样本消息的特征向量，应用以下公式，计算每个样本消息的特征值：
其中，Y表示分类集合，Y＝{c1,c2}，c1表示垃圾消息，c2表示正常消息，X指代样本消息的特征向量，X＝{X1,X2…Xj…}，j指代特征向量的维度，j为自然数，Xj指代第j个维度的特征向量，x表示当前样本消息的特征向量，x＝{x1,x2…xj…}，xj表示当前样本消息的第j个维度的特征向量，PSN(X＝x)表示当前样本消息的特征值，P(Xj＝xj|Y＝c1)表示垃圾样本消息中特征向量的第j个维度是xj的概率，P(Xj＝xj|Y＝c2)表示正常样本消息中特征向量的第j个维度是xj的概率。
8.根据权利要求6所述的装置，其特征在于，所述分类模块用于当接收到任一消息时，根据所述消息的内容，计算所述消息的特征值；对于每一层的第一分离阈值和第二分离阈值，当所述特征值不大于所述第一分离阈值时，确定所述消息为正常消息；或者，当所述特征值不小于所述第二分离阈值时，确定所述消息为垃圾消息；或者，当所述特征值大于所述第一分离阈值且小于所述第二分离阈值时，基于下一层的第一分离阈值和第二分离阈值，继续对所述消息进行分类，直至得到所述分类结果。
9.根据权利要求6所述的装置，其特征在于，所述装置还包括：
准确率计算模块，用于对于每一层的每个样本消息，根据所述样本消息对应的第一特征消息中正常样本消息的数目，以及所述样本消息对应的第二特征消息中垃圾样本消息的数目，计算分类准确率，所述分类准确率用于表示根据所述样本消息的特征值进行分类时的准确率；
第三阈值获取模块，用于将每一层中分类准确率最大的样本消息的特征值作为第三分离阈值，得到多层的第三分离阈值；
所述分类模块，还用于基于所述多层的第一分离阈值、第二分离阈值和第三分离阈值，对接收到的消息进行分类，得到所述分类结果。
10.根据权利要求9所述的装置，其特征在于，所述分类模块还用于对于每一层的第一分离阈值、第二分离阈值和第三分离阈值，当所述消息的特征值大于所述第一分离阈值且小于所述第三分离阈值时，将当前层作为所述消息的正常消息可能层；或者，当所述消息的特征值不小于所述第三分离阈值且小于所述第二分离阈值时，将当前层作为所述消息的垃圾消息可能层；如果所述消息的特征值大于最后一层的第一分离阈值且小于最后一层的第二分离阈值，获取所述消息的正常消息可能层的第一数目以及垃圾消息可能层的第二数目；当所述第一数目大于所述第二数目时，确定所述消息为正常消息；或者，当所述第一数目小于所述第二数目时，确定所述消息为垃圾消息。
11.一种消息分类装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
计算每个样本消息的特征值，所述特征值用于表示相应的样本消息是垃圾消息的可能性大小，样本消息包括正常样本消息和垃圾样本消息；
按照特征值从大到小的顺序遍历样本消息，对于当前遍历到的第一样本消息，将特征值小于所述第一样本消息的特征值的样本消息作为第一特征消息；当所述第一特征消息中正常样本消息所占的比例大于第一预设阈值时，将所述第一样本消息的特征值作为第一分离阈值，所述第一分离阈值用于划分出正常消息；
按照特征值从小到大的顺序遍历样本消息，对于当前遍历到的第二样本消息，将特征值大于所述第二样本消息的特征值的样本消息作为第二特征消息；当所述第二特征消息中垃圾样本消息所占的比例大于第二预设阈值时，将所述第二样本消息的特征值作为第二分离阈值，所述第二分离阈值用于划分出垃圾消息；
将特征值大于所述第一分离阈值且小于所述第二分离阈值的样本消息作为下一层样本消息，对下一层样本消息重复执行上述确定第一分离阈值和第二分离阈值的步骤，得到下一层的第一分离阈值和第二分离阈值，直至特征值大于当前层的第一分离阈值且小于当前层的第二分离阈值的样本消息的数目小于预设数目时停止，得到多层的第一分离阈值和第二分离阈值；
基于所述多层的第一分离阈值和第二分离阈值，对接收到的消息进行分类，得到分类结果。