基于文本聚類技術(shù)的郵件分類系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著Internet技術(shù)的發(fā)展,各種網(wǎng)絡(luò)應(yīng)用服務(wù)越來越多.其中,網(wǎng)絡(luò)中廣泛使用的電子郵件正成為一種快捷而經(jīng)濟(jì)的通信手段,如何面對(duì)每天各種各樣、種類繁多的郵件,就成為一個(gè)迫切要解決的問題.以前的郵件分類系統(tǒng),由于郵件的主要部分是文本,因此研究方向主要是基于數(shù)據(jù)挖掘中的文本分類技術(shù)的.但是,這類方法主要有兩點(diǎn)不足,第一就是分類技術(shù)首先要指定各個(gè)分類的類別,同時(shí),要形成準(zhǔn)確的結(jié)果,都需要事先進(jìn)行大量的學(xué)習(xí)樣本用例的過程.第二就是現(xiàn)有的郵件分類

2、系統(tǒng)只是考慮到郵件的正文,而沒有考慮到郵件的其他特征.因此本文提出了基于文本聚類技術(shù)的郵件分類系統(tǒng),它通過采用基于文本聚類的算法來對(duì)郵件進(jìn)行分類,同時(shí),本系統(tǒng)還結(jié)合了郵件的一些特性來提高聚類效果,這樣就可以有效的改進(jìn)上面的兩種缺陷.在本文中,本文圍繞這種郵件聚類模型來介紹其中的相關(guān)的關(guān)鍵技術(shù)與方法,其中主要的內(nèi)容有:通過使用改進(jìn)的向量空間模型(VSM)方法在計(jì)算機(jī)中表示文本;在特征項(xiàng)的選擇上使用單詞權(quán)技術(shù);在郵件相似度計(jì)算中加入了非郵件