基于決策樹的郵件分類技術(shù)研究.pdf

1、隨著Internet應(yīng)用的迅猛發(fā)展，電子郵件得到了越來越廣泛的應(yīng)用。電子郵件一方面給人們提供經(jīng)濟(jì)、方便和快捷的服務(wù)，另一方面也給一些商人和不法分子提供了利用它進(jìn)行違法行為和宣傳的機(jī)會(huì)。2006年第一次中國反垃圾郵件狀況調(diào)查報(bào)告顯示，2005年11月到2006年2月，中國互聯(lián)網(wǎng)用戶收到的垃圾郵件比例達(dá)到63.97％，垃圾郵件每年給國民經(jīng)濟(jì)造成63億損失。 對電子郵件進(jìn)行分類過濾是有效對付垃圾郵件的主要手段。目前的過濾技術(shù)手段主要分

2、為二種，一種是針對郵件地址的過濾，另一種是針對郵件內(nèi)容的過濾。這兩種技術(shù)都缺乏智能性和自適應(yīng)性，因此研究能根據(jù)郵件的不斷變化來學(xué)習(xí)識(shí)別垃圾郵件的特征，自動(dòng)建立和升級新的垃圾郵件特征代碼和過濾規(guī)則條件，并智能地用于新郵件的分類過濾系統(tǒng)具有較大的現(xiàn)實(shí)意義。 本文針對郵件分類技術(shù)進(jìn)行了研究，主要工作如下： 1．分析了垃圾郵件可能出現(xiàn)的類型，深入研究了當(dāng)前郵件分類技術(shù)的國內(nèi)外研究現(xiàn)狀，特別是基于決策樹的郵件分類技術(shù)。 2

3、．提出了一種改進(jìn)的基于測試屬性對分類貢獻(xiàn)的屬性選擇標(biāo)準(zhǔn)。該方法在建立每個(gè)內(nèi)結(jié)點(diǎn)進(jìn)行計(jì)算屬性對分類的貢獻(xiàn)程度時(shí)，選擇的數(shù)據(jù)集的范圍是其父節(jié)點(diǎn)在該節(jié)點(diǎn)分支所劃分得到的數(shù)據(jù)集，而不是整個(gè)訓(xùn)練集。與改進(jìn)前的方法比較，生成的決策樹結(jié)點(diǎn)少、樹較淺，提高了分類準(zhǔn)確率。 3．理論證明了該方法沒有多值偏向，與基于信息熵的選擇標(biāo)準(zhǔn)比較，執(zhí)行效率更高。 4．建立了基于決策樹的郵件分類模型，并實(shí)現(xiàn)了模型模擬器。該模型具有自適應(yīng)、自學(xué)習(xí)能力，當(dāng)有