基于SVM的中文垃圾郵件過(guò)濾.pdf

1、隨著Interact的迅猛發(fā)展，電子郵件得到了越來(lái)越廣泛的應(yīng)用。電子郵件因其快捷、方便和成本低的特點(diǎn)給人們的生活帶來(lái)很大的便利。然而垃圾郵件的泛濫也給人們的生活帶來(lái)許多苦惱，因此如何有效地對(duì)垃圾郵件進(jìn)行過(guò)濾成為一個(gè)迫在眉睫的問(wèn)題。
　　 隨著文本分類技術(shù)的發(fā)展，基于內(nèi)容的垃圾郵件過(guò)濾成為一種有效的垃圾郵件過(guò)濾方法。SVM在文本分類中得到了廣泛的應(yīng)用，并取得了很好的分類效果。本文研究基于內(nèi)容的垃圾郵件過(guò)濾方法，主要針對(duì)垃圾郵件過(guò)濾

2、中的特征選擇方法進(jìn)行深入研究，并將SVM應(yīng)用到垃圾郵件過(guò)濾中。本文主要工作如下：
　　 （1）由于中文電子郵件的分詞準(zhǔn)確性直接影響到垃圾郵件過(guò)濾的精度，而電子郵件是通過(guò)網(wǎng)絡(luò)傳播，所以經(jīng)常會(huì)出現(xiàn)很多新詞，對(duì)這些新詞的識(shí)別很大程度的影響到最后的分類結(jié)果。針對(duì)這種情況，本文在垃圾郵件過(guò)濾系統(tǒng)中采用基于字符串匹配和基于統(tǒng)計(jì)的分詞方法?；谧址ヅ涞姆椒軌蜃R(shí)別機(jī)器詞典存在的詞，其速度快、精度高。而基于統(tǒng)計(jì)的分詞方法則可以識(shí)別很多新詞，

3、把網(wǎng)絡(luò)新流行的詞通過(guò)計(jì)算識(shí)別出來(lái)。
　　 （2）由于垃圾郵件過(guò)濾系統(tǒng)中的特征選擇至關(guān)重要，合理的特征選擇方法不但可以減少郵件的特征個(gè)數(shù)，提高計(jì)算的速度，而且可以消除冗余特征，提高垃圾郵件過(guò)濾算法的精度，因此本文對(duì)垃圾郵件過(guò)濾系統(tǒng)中的特征選擇方法進(jìn)行研究，提出一種改進(jìn)的CHI特征選擇方法和一種新的聯(lián)合特征選擇方法。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的特征選擇方法相比，本文提出的兩種特征選擇方法使垃圾郵件過(guò)濾的精度有了很大提高，這充分驗(yàn)證了本文方