基于主動(dòng)TCM-EKNN的個(gè)性化郵件過(guò)濾技術(shù)研究.pdf

1、電子郵件以其方便、快捷、低成本等優(yōu)點(diǎn)逐漸成為日常生活中主要通信手段之一。但是隨之而來(lái)的垃圾郵件卻給社會(huì)造成了很大的危害。因此，研究郵件過(guò)濾技術(shù)具有重要的意義。
　　 近年來(lái)，利用機(jī)器學(xué)習(xí)、文本分類的郵件過(guò)濾方法處理垃圾郵件問(wèn)題，已成為當(dāng)前研究的熱點(diǎn)。但是這類方法對(duì)樣本計(jì)算量較大和對(duì)樣本庫(kù)容量依賴性較強(qiáng)。訓(xùn)練集數(shù)據(jù)量過(guò)大和表征數(shù)據(jù)的特征向量維數(shù)過(guò)多，會(huì)引發(fā)“維災(zāi)難”和過(guò)大的運(yùn)算量，對(duì)于一個(gè)有很多訓(xùn)練樣本的郵件過(guò)濾系統(tǒng)而言，會(huì)使得其

2、實(shí)用性能大打折扣。因此，本文結(jié)合EKNN和 TCM算法思想，提出一種 TCM-EKNN的郵件過(guò)濾方法，并且采用主動(dòng)學(xué)習(xí)樣本選擇方法選擇較少高質(zhì)量的訓(xùn)練樣本構(gòu)建郵件分類器從而高效地實(shí)現(xiàn)垃圾郵件過(guò)濾。實(shí)驗(yàn)結(jié)果表明：TCM-EKNN獲得了良好的過(guò)濾效果，從而論證了TCM-EKNN有效性；并且在保證傳統(tǒng)的郵件過(guò)濾方法同等高準(zhǔn)確率前提下，TCM-EKNN采用主動(dòng)學(xué)習(xí)方法后，極大地減少了訓(xùn)練樣本數(shù)量，提高了分類器性能，論證了主動(dòng)學(xué)習(xí)方法選擇及限制樣

3、本規(guī)模并保證過(guò)濾性能的有效性。
　　 當(dāng)前主流郵件過(guò)濾方法主要通過(guò)特征詞來(lái)實(shí)現(xiàn)過(guò)濾功能，而漢語(yǔ)中詞語(yǔ)的表達(dá)方法靈活多變，垃圾郵件發(fā)送者很容易通過(guò)修改郵件特征詞等手段來(lái)繞過(guò)郵件過(guò)濾方法。同時(shí)，郵件具有明顯的流數(shù)據(jù)特點(diǎn)，垃圾郵件的特征往往隨著時(shí)間的推進(jìn)而遷移，導(dǎo)致郵件過(guò)濾方法不能滿足不同背景、不同目的和不同時(shí)期的過(guò)濾需要。而個(gè)性化服務(wù)能很好的解決這些問(wèn)題。因此，本文提出了一種基于用戶行為的興趣度計(jì)算方法，通過(guò)用戶對(duì)郵件的各種操作，學(xué)