一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)郵件分類器.pdf

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展，電子郵件以其方便快捷的特性越來越受到人們的青睞。但是垃圾郵件的出現(xiàn)和不斷泛濫，嚴(yán)重干擾了人們正常的網(wǎng)絡(luò)活動(dòng)。采取技術(shù)手段對(duì)垃圾郵件進(jìn)行過濾是對(duì)付垃圾郵件的一個(gè)重要的手段，因此對(duì)垃圾郵件自動(dòng)過濾技術(shù)的研究，是當(dāng)前網(wǎng)絡(luò)應(yīng)用研究中的一個(gè)重要方向。
　　 垃圾郵件的過濾問題從本質(zhì)上來說是一個(gè)文本分類的問題。傳統(tǒng)的文本分類方法以貝葉斯方法最為常用。但是由于貝葉斯方法采用的是基于最小錯(cuò)誤率的決策方式，因此在郵件分類問題

2、中，正常郵件被系統(tǒng)誤判為垃圾郵件的可能性較大，這可能會(huì)給用戶帶來更大的損失，因?yàn)橄鄬?duì)于用戶來說，正常郵件比垃圾郵件更為重要。
　　 神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)和泛化能力等優(yōu)點(diǎn)，對(duì)于一些比較復(fù)雜的問題，當(dāng)輸入和輸出之間的映射關(guān)系不明確，或者很難用解析的方法表達(dá)時(shí)，神經(jīng)網(wǎng)絡(luò)可以通過學(xué)習(xí)，記住輸入和輸出的映射關(guān)系，并將這種映射關(guān)系存儲(chǔ)在網(wǎng)絡(luò)中，以神經(jīng)元的互聯(lián)分布存儲(chǔ)信息，并且在對(duì)訓(xùn)練樣本進(jìn)行學(xué)習(xí)之后，神經(jīng)網(wǎng)絡(luò)對(duì)未知的測(cè)試樣本也可以識(shí)別

3、，這使得神經(jīng)網(wǎng)絡(luò)在處理模式分類問題上有較好的表現(xiàn)。但在實(shí)際應(yīng)用中，特別是當(dāng)測(cè)試樣本包含的噪聲較大時(shí)，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法的泛化能力并不十分理想。
　　 為提高神經(jīng)網(wǎng)絡(luò)的泛化能力，本文采用了分類面神經(jīng)網(wǎng)絡(luò)模型，并在此基礎(chǔ)上，將中介真值度量的理論和方法應(yīng)用到郵件分類問題，改進(jìn)了神經(jīng)網(wǎng)絡(luò)郵件分類器的設(shè)計(jì)。新方法的基本思想為：給定相對(duì)于正常郵件的真值程度平均函數(shù)gnT-M的值g，然后以一系列相對(duì)于正常郵件類別的gnT-M值為g的樣本點(diǎn)來構(gòu)造

4、兩類樣本之間的分類面，再用一個(gè)或多個(gè)BP神經(jīng)網(wǎng)絡(luò)來逼近分類面。學(xué)習(xí)完成后，保存網(wǎng)絡(luò)的權(quán)值和閾值。測(cè)試時(shí)，將測(cè)試樣本輸入已訓(xùn)練完成的BP網(wǎng)絡(luò)，然后根據(jù)測(cè)試樣本與分類面的相對(duì)位置，便可以對(duì)測(cè)試樣本進(jìn)行分類。
　　 在進(jìn)行郵件分類之前，首先要對(duì)郵件樣本進(jìn)行預(yù)處理。郵件的預(yù)處理包括提取有用的信息、中文分詞、計(jì)算特征向量三個(gè)步驟。郵件在經(jīng)過預(yù)處理之后，其中有價(jià)值的信息將以向量的形式來表示。文中對(duì)郵件的預(yù)處理進(jìn)行了詳細(xì)的介紹，并在此基礎(chǔ)上，