电子红包检测策略更新方法、装置及终端设备
阅读：173发布：2020-05-11
专利汇可以提供电子红包检测策略更新方法、装置及终端设备专利检索，专利查询，专利分析的服务。并且本 申请 适用于 数据处理 技术领域，提供了 电子 红包检测策略更新方法、装置及终端设备，包括：采用预设的电子红包检测策略检测是否接收到电子红包；若检测到接收到电子红包，检测所述电子红包是否被拆开；若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。通过上述方法能够提高电子红包的检测准确率。，下面是电子红包检测策略更新方法、装置及终端设备专利的具体信息内容。
1.一种电子红包检测策略更新方法，其特征在于，包括：
采用预设的电子红包检测策略检测是否接收到电子红包；
若检测到接收到电子红包，检测所述电子红包是否被拆开；
若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
2.如权利要求1所述的电子红包检测策略更新方法，其特征在于，所述电子红包检测策略更新方法还包括：
若所述电子红包没有被拆开，则不学习所述电子红包的特征。
3.如权利要求1所述的电子红包检测策略更新方法，其特征在于，所述电子红包检测策略更新方法还包括：
若检测到应用下载了同一版本的补丁，识别所述补丁是否包括电子红包的补丁；
若所述补丁包括电子红包的补丁，则学习所述补丁包括的电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
4.如权利要求1所述的电子红包检测策略更新方法，其特征在于，所述电子红包检测策略更新方法还包括：
若检测到应用升级，重新确定新的电子红包检测策略，并将所述新的电子红包检测策略作为所述预设的电子红包检测策略。
5.如权利要求3所述的电子红包检测策略更新方法，其特征在于，所述预设的电子红包检测策略为可迁移学习的第一卷积神经网络模型，此时，所述若所述补丁包括电子红包的补丁，则学习所述补丁包括的电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略包括：
若所述补丁包括电子红包的补丁，则根据所述补丁包括的电子红包的特征重新训练所述第一卷积神经网络模型中与所述电子红包的特征对应的神经元，得到第二卷积神经网络模型，所述第二卷积神经网络模型还包括所述第一卷积神经网络模型中迁移的神经元，所述第一卷积神经网络模型中迁移的神经元对应的特征为所述补丁没有包括的电子红包的特征。
6.如权利要求4所述的电子红包检测策略更新方法，其特征在于，所述预设的电子红包检测策略为可迁移学习的第一卷积神经网络模型，此时，所述若检测到应用升级，重新确定新的电子红包检测策略，并将所述新的电子红包检测策略作为所述预设的电子红包检测策略，包括：
若检测到应用升级，获取升级后的应用的电子红包；
根据所述升级后的应用的电子红包训练得到第三卷积神经网络模型，并将所述第三卷积神经网络模型作为预设的电子红包检测策略。
7.一种电子红包检测策略更新装置，其特征在于，包括：
电子红包检测单元，用于采用预设的电子红包检测策略检测是否接收到电子红包；
电子红包是否被拆开检测单元，用于若检测到接收到电子红包，检测所述电子红包是否被拆开；
电子红包检测策略更新单元，用于若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
8.如权利要求7所述的电子红包检测策略更新装置，其特征在于，所述电子红包检测策略更新装置还包括：
特征不学习单元，用于若所述电子红包没有被拆开，则不学习所述电子红包的特征。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
电子红包检测策略更新方法、装置及终端设备
技术领域
背景技术
[0002] 随着网络技术的发展，用户在即时通信应用中绑定银行卡后，可以向其好友发送电子红包。例如，用户可以单次向单个用户发送单个电子红包，或者，用户可以单次向群组的多个好友发送包括多个小红包的电子红包。当用户单次向群组的多个好友发送包括多个小红包的电子红包时，若群组的成员数量大于小红包的数量，则群组的成员将存在不能从电子红包抢到小红包的成员。
[0003] 为了在接收到电子红包消息后及时抢到对应的电子红包，可在终端设备设置电子红包检测方法检测接收到的消息是否为电子红包消息，并在检测接收到的消息为电子红包消息后发出提示。但由于预先设置在终端设备的电子红包检测方法难以达到100％的检测准确率，且电子红包的特征很可能会随着时间的改变而改变，因此，若持续使用预先设置在终端设备的电子红包检测方法将可能导致检测准确率降低。发明内容
[0005] 本申请实施例的第一方面提供了一种电子红包检测策略更新方法，包括：
[0006] 采用预设的电子红包检测策略检测是否接收到电子红包；
[0007] 若检测到接收到电子红包，检测所述电子红包是否被拆开；
[0008] 若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0009] 本申请实施例的第二方面提供了一种电子红包检测策略更新装置，包括：
[0010] 电子红包检测单元，用于采用预设的电子红包检测策略检测是否接收到电子红包；
[0011] 电子红包是否被拆开检测单元，用于若检测到接收到电子红包，检测所述电子红包是否被拆开；
[0012] 电子红包检测策略更新单元，用于若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0013] 本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述电子红包检测策略更新方法的步骤。
[0014] 本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如所述电子红包检测策略更新方法的步骤。
[0015] 本申请实施例与现有技术相比存在的有益效果是：
[0016] 由于只在检测到电子红包被拆开时才会学习该电子红包，而当电子红包被拆开时表明该电子红包是真的电子红包的概率较大，此时，根据学习的该电子红包的特征更新预设的电子红包检测策略能够强化真的电子红包所具有的特征，从而能够在现有基础上进一步提升所述预设的电子红包检测策略检测出电子红包的准确率。附图说明
[0017] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018] 图1是本申请实施例一提供的第一种电子红包检测策略更新方法的流程示意图；
[0019] 图2是本申请实施例一提供的一种微信电子红包的示意图；
[0020] 图3是本申请实施例二提供的第二种电子红包检测策略更新方法的流程示意图；
[0021] 图4是本申请实施例三提供的第三种电子红包检测策略更新方法的流程示意图；
[0022] 图5是本申请实施例四提供的一种电子红包检测策略更新装置的结构示意图；
[0023] 图6是本申请实施例五提供的终端设备的示意图。
具体实施方式
[0024] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0025] 为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
[0026] 应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0027] 还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0028] 还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0029] 如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0030] 具体实现中，本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。
[0032] 移动终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
[0033] 可以在移动终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
[0034] 另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0035] 实施例一：
[0036] 图1示出了本申请实施例一提供的第一种电子红包检测策略更新方法的流程，详述如下：
[0037] 步骤S11，采用预设的电子红包检测策略检测是否接收到电子红包；
[0038] 该步骤中，当提供电子红包收、发功能的指定应用接收到消息后，安装该指定应用的终端设备(如手机、平板电脑等)采用预设的电子红包检测策略检测该消息是否为电子红包消息，若为电子红包消息，判定接收到电子红包，若不为电子红包消息，判定没有接收到电子红包。
[0039] 其中，图2示出了“微信”应用中的电子红包的示意图。
[0040] 步骤S12，若检测到接收到电子红包，检测所述电子红包是否被拆开；
[0041] 具体地，检测电子红包所在的屏幕区域范围是否接收到触碰指令，若接收到触碰指令，判定所述电子红包被拆开，否则，判定所述电子红包没有被拆开。可选地，由于目前存在假的电子红包，该假的电子红包的颜色分布、字体内容等与真的电子红包的颜色分布、字体内容等很相近，只是在用户点击该假的电子红包后，并不会跳转到其他页面(若点击真的电子红包，将进入该真的电子红包的领取页面，该领取页面包括本次抢到的电子红包对应的金额)，因此，为了进一步提高检测电子红包是否被拆开的准确率，则在接收到触碰指令后，判断该电子红包所在的页面是否发生跳转，若发生跳转，则判定所述电子红包被拆开，否则，判定所述电子红包没有被拆开。
[0042] 由于在终端设备接收到电子红包之后，用户不一定会马上拆开该电子红包，因此，为了能够准确判断检测到的电子红包是否被拆开，所述步骤S12具体包括：若检测到接收到电子红包，在预设时长内检测所述电子红包是否被拆开。该预设时长根据实际需求设定，比如，设定为3小时，或5小时，或12小时等。
[0043] 可选地，为了提醒用户尽快拆开检测到的电子红包，所述步骤S12中，若检测到接收到电子红包，提示用户拆开电子红包，例如，通过语音或指定应用的通知提示用户，该提示包括检测到电子红包所在的指定应用标识，例如，若在微信收到电子红包，该提示可以为：您在微信收到一个电子红包。在提示用户拆开电子红包之后，检测所述电子红包是否被拆开，或者，在预设时长内检测所述电子红包是否被拆开。
[0044] 步骤S13，若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0045] 该步骤中，若电子红包被拆开，表明该电子红包为真的电子红包，此时，学习该电子红包的特征，如学习该电子红包的颜色分布、尺寸大小等特征，判断学习到的电子红包的特征与预设的电子红包检测策略中对应的特征是否相同，若相同，则强化该特征，如通过增加该特征的权值强化等。例如，假设预设的电子红包检测策略涉及到的特征包括颜色分布、尺寸大小、字体内容，若学习到的电子红包的颜色分布这一特征与预设的电子红包检测策略涉及到的颜色分布这一特征相同，则增加该颜色分布这一特征的权值。
[0046] 本申请实施例中，采用预设的电子红包检测策略检测是否接收到电子红包，若检测到接收到电子红包，检测所述电子红包是否被拆开，若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。由于只在检测到电子红包被拆开时才会学习该电子红包，而当电子红包被拆开时表明该电子红包是真的电子红包的概率较大，此时，根据学习的该电子红包的特征更新预设的电子红包检测策略能够强化真的电子红包所具有的特征，从而能够在现有基础上进一步提升所述预设的电子红包检测策略检测出电子红包的准确率。
[0047] 在本申请实施例中，所述电子红包检测策略更新方法还包括：
[0048] 若所述电子红包没有被拆开，则不学习所述电子红包的特征。
[0049] 由于在电子红包没有被拆开时，不学习该电子红包的特征，进而也不会根据该电子红包的特征更新预设的电子红包检测策略，从而降低对该预设的电子红包检测策略中非电子红包的特征进行强化的概率。
[0050] 实施例二：
[0051] 图3示出了本申请实施例二提供的第二种电子红包检测策略更新方法的流程，本实施例中，若检测到应用下载了同一版本的补丁，则更新预设的电子红包检测策略，其中，步骤S31～S33与实施例一的步骤S11～步骤S13相同，此处不再赘述：
[0052] 步骤S31，采用预设的电子红包检测策略检测是否接收到电子红包；
[0053] 步骤S32，若检测到接收到电子红包，检测所述电子红包是否被拆开；
[0054] 步骤S33，若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0055] 步骤S34，若检测到应用下载了同一版本的补丁，识别所述补丁是否包括电子红包的补丁；
[0056] 具体地，当检测到应用下载信息后，检测该信息是否为指定应用的补丁，该指定应用能够提供电子红包的收、发功能，若为指定应用的补丁，判断该补丁的版本是否与该指定应用的当前版本相同，若相同，识别该补丁是否包括电子红包的补丁。具体地，通过识别该补丁中的各个文件的文件属性，若存在文件属性与电子红包的文件属性相同，则判定该文件属性对应的文件为电子红包对应的文件，进而判定该补丁是包括电子红包的补丁。
[0057] 步骤S35，若所述补丁包括电子红包的补丁，则学习所述补丁包括的电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0058] 具体地，当预设的电子红包检测策略包括补丁中电子红包的特征时，采用该补丁中电子红包的特征替换预设的电子红包检测策略中对应的特征，例如，若补丁中电子红包的特征包括颜色分布这一特征，且预设的电子红包检测策略也包括颜色分布这一特征，但补丁中颜色分布这一特征对应的属性值与预设的电子红包检测策略中颜色分布这一特征对应的属性值不同(若相同则不会出现在补丁中)，此时，将预设的电子红包检测策略中的颜色分布对应的属性值替换为补丁中的颜色分布对应的属性值。当预设的电子红包检测策略没有包括补丁中电子红包的一个或多个特征时，在预设的电子红包检测策略中增加该补丁中电子红包的一个或多个特征。
[0059] 当然，若补丁没有包括电子红包的补丁，则不执行后续的“学习所述补丁包括的电子红包的特征”的步骤。
[0060] 需要指出的是，上述步骤S34和步骤S35作为一个整体，其也可以出现在步骤S31之前，只要当检测到应用下载了同一版本的补丁，即可执行该步骤S34。
[0061] 可选地，由于通过卷积神经网络模型能够快速准确地识别一个消息是否为电子红包，因此，所述预设的电子红包检测策略可设置为第一卷积神经网络模型。进一步地，由于卷积神经网络模型是通过样本训练得到，因此，为了减少训练步骤，则所述预设的电子红包检测策略设置为可迁移学习的第一卷积神经网络模型，此时，所述若所述补丁包括电子红包的补丁，则学习所述补丁包括的电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略包括：
[0062] 若所述补丁包括电子红包的补丁，则根据所述补丁包括的电子红包的特征重新训练所述第一卷积神经网络模型中与所述电子红包的特征对应的神经元，得到第二卷积神经网络模型，所述第二卷积神经网络模型还包括所述第一卷积神经网络模型中迁移的神经元，所述第一卷积神经网络模型中迁移的神经元对应的特征为所述补丁没有包括的电子红包的特征。
[0063] 例如，假设一个电子红包中只有字体内容这一特征改变，而颜色分布、尺寸大小等外观样式特征没有变化，则可以直接迁移第一卷积神经网络模型中该颜色分布、尺寸大小等外观样式特征对应的神经元至第二卷积神经网络模型中。再重新训练第一卷积神经网络模型中与补丁包括的电子红包的特征对应的神经元，最后由训练后的神经元以及迁移的神经元组成所述第二卷积神经网络模型。由于能够迁移第一卷积神经网络模型中的部分神经元，因此，减少训练该神经元的步骤，从而提高了第二卷积神经网络模型的训练速度。
[0064] 实施例三：
[0065] 图4示出了本申请实施例三提供的第三种电子红包检测策略更新方法的流程，本实施例中，若检测到应用下载了同一版本的补丁，则更新预设的电子红包检测策略，其中，步骤S41～S43与实施例一的步骤S11～步骤S13相同，此处不再赘述：
[0066] 步骤S41，采用预设的电子红包检测策略检测是否接收到电子红包；
[0067] 步骤S42，若检测到接收到电子红包，检测所述电子红包是否被拆开；
[0068] 步骤S43，若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0069] 步骤S44，若检测到应用升级，重新确定新的电子红包检测策略，并将所述新的电子红包检测策略作为所述预设的电子红包检测策略。
[0070] 这里的应用升级是指指定应用进行的升级，该指定应用能够提供电子红包的收、发功能。
[0071] 本申请实施例中，若检测到应用升级，则重新确定新的电子红包检测策略。由于在应用升级后，其对应的电子红包的特征将会有较大改变，此时，为了提高电子红包的检测准确率，则需要重新确定新的电子红包检测策略。
[0072] 可选地，所述预设的电子红包检测策略为可迁移学习的第一卷积神经网络模型，此时，所述若检测到应用升级，重新确定新的电子红包检测策略，并将所述新的电子红包检测策略作为所述预设的电子红包检测策略，包括：
[0073] 若检测到应用升级，获取升级后的应用的电子红包；
[0074] 根据所述升级后的应用的电子红包训练得到第三卷积神经网络模型，并将所述第三卷积神经网络模型作为预设的电子红包检测策略。
[0075] 由于在指定应用升级后，根据升级后的指定应用的电子红包训练第三卷积神经网络，因此，能够提高根据第三卷积神经网络检查到电子红包的准确度。
[0076] 实施例四：
[0077] 与上述实施例一～实施例三对应，图5示出了本申请实施例四提供的一种电子红包检测策略更新装置的结构图，为了便于说明，仅示出了与本申请实施例相关的部分。
[0078] 该电子红包检测策略更新装置5包括：电子红包检测单元51、电子红包是否被拆开检测单元52、电子红包检测策略更新单元53。其中：
[0079] 电子红包检测单元51，用于采用预设的电子红包检测策略检测是否接收到电子红包；
[0080] 电子红包是否被拆开检测单元52，用于若检测到接收到电子红包，检测所述电子红包是否被拆开；
[0081] 具体地，该电子红包是否被拆开检测单元52检测电子红包所在的屏幕区域范围是否接收到触碰指令，若接收到触碰指令，判定所述电子红包被拆开，否则，判定所述电子红包没有被拆开。可选地，由于目前存在假的电子红包，该假的电子红包的颜色分布、字体内容等与真的电子红包的颜色分布、字体内容等很相近，只是在用户点击该假的电子红包后，并不会跳转到其他页面(若点击真的电子红包，将进入该真的电子红包的领取页面，该领取页面包括本次抢到的电子红包对应的金额)，因此，为了进一步提高检测电子红包是否被拆开的准确率，则在接收到触碰指令后，判断该电子红包所在的页面是否发生跳转，若发生跳转，则判定所述电子红包被拆开，否则，判定所述电子红包没有被拆开。
[0082] 可选地，由于在终端设备接收到电子红包之后，用户不一定会马上拆开该电子红包，因此，为了能够准确判断检测到的电子红包是否被拆开，所述该电子红包是否被拆开检测单元52具体包括：若检测到接收到电子红包，在预设时长内检测所述电子红包是否被拆开。
[0083] 电子红包检测策略更新单元53，用于若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0084] 本申请实施例中，由于只在检测到电子红包被拆开时才会学习该电子红包，而当电子红包被拆开时表明该电子红包是真的电子红包的概率较大，此时，根据学习的该电子红包的特征更新预设的电子红包检测策略能够强化真的电子红包所具有的特征，从而能够在现有基础上进一步提升所述预设的电子红包检测策略检测出电子红包的准确率。
[0085] 可选地，所述电子红包检测策略更新装置5还包括：
[0086] 特征不学习单元，用于若所述电子红包没有被拆开，则不学习所述电子红包的特征。
[0087] 可选地，所述电子红包检测策略更新装置5还包括：
[0088] 补丁内容识别单元，用于若检测到应用下载了同一版本的补丁，识别所述补丁是否包括电子红包的补丁；
[0089] 根据补丁内容更新策略单元，用于若所述补丁包括电子红包的补丁，则学习所述补丁包括的电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0090] 可选地，所述预设的电子红包检测策略设置为可迁移学习的第一卷积神经网络模型，此时，所述根据补丁内容更新策略单元具体用于：
[0091] 若所述补丁包括电子红包的补丁，则根据所述补丁包括的电子红包的特征重新训练所述第一卷积神经网络模型中与所述电子红包的特征对应的神经元，得到第二卷积神经网络模型，所述第二卷积神经网络模型还包括所述第一卷积神经网络模型中迁移的神经元，所述第一卷积神经网络模型中迁移的神经元对应的特征为所述补丁没有包括的电子红包的特征。
[0092] 可选地，所述电子红包检测策略更新装置5还包括：
[0093] 应用升级检测单元，用于若检测到应用升级，重新确定新的电子红包检测策略，并将所述新的电子红包检测策略作为所述预设的电子红包检测策略。
[0094] 可选地，所述预设的电子红包检测策略为可迁移学习的第一卷积神经网络模型，此时，所述应用升级检测单元具体包括：
[0095] 电子红包获取模块，用于若检测到应用升级，获取升级后的应用的电子红包；
[0096] 第三卷积神经网络模型训练模块，用于根据所述升级后的应用的电子红包训练得到第三卷积神经网络模型，并将所述第三卷积神经网络模型作为预设的电子红包检测策略。
[0097] 应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
[0098] 实施例五：
[0099] 图6是本申请实施例五提供的终端设备的示意图。如图6所示，该实施例的终端设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个电子红包检测策略更新方法实施例中的步骤，例如图1所示的步骤S11至S13。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块51至53的功能。
[0100] 示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如，所述计算机程序62可以被分割成电子红包检测单元、电子红包是否被拆开检测单元、电子红包检测策略更新单元，各单元具体功能如下：
[0101] 电子红包检测单元，用于采用预设的电子红包检测策略检测是否接收到电子红包；
[0102] 电子红包是否被拆开检测单元，用于若检测到接收到电子红包，检测所述电子红包是否被拆开；
[0103] 电子红包检测策略更新单元，用于若所述电子红包被拆开，学习所述电子红包的特征，并根据学习的所述电子红包的特征更新所述预设的电子红包检测策略。
[0104] 所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
[0105] 所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0106] 所述存储器61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
[0107] 所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0108] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0109] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0110] 在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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系统，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0111] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0112] 另外，在本申请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，也可以采用软件功能单元的形式实现。
[0113] 所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0114] 以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种用于脱硫尾气烟囱的光固化纳米防腐材料及其施工工艺 | 2020-05-11 | 8 |
| 基于WordPress的漏洞分析方法及装置 | 2020-05-11 | 748 |
| 一种实现应用调试的方法、装置、计算机存储介质及终端 | 2020-05-08 | 269 |
| 应用的热修复方法和装置 | 2020-05-08 | 552 |
| 一种适合灾备中心的运维自动化系统 | 2020-05-08 | 947 |
| 用于长期运行的软件操作的连接器租用 | 2020-05-11 | 825 |
| 生成模拟非均质柔性生物组织MR影像的模型及方法 | 2020-05-11 | 69 |
| 电子红包检测策略更新方法、装置及终端设备 | 2020-05-11 | 173 |
| 面向源代码双极性软件安全漏洞图谱构建方法 | 2020-05-11 | 893 |
| 一种Windows虚拟化镜像分层管理方法及装置 | 2020-05-11 | 761 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈