基于向量空間模型的垃圾郵件過(guò)濾系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、如今的互聯(lián)網(wǎng)時(shí)代，人們?cè)絹?lái)越多的通過(guò)互聯(lián)網(wǎng)進(jìn)行交流，而電子郵件是最普及的一個(gè)交流方式。通過(guò)電子郵件系統(tǒng)，用戶之間可以很方便快速地進(jìn)行交流，但是用戶經(jīng)常會(huì)收到垃圾郵件，目前垃圾郵件的泛濫已經(jīng)給網(wǎng)絡(luò)和用戶帶來(lái)了很大的困擾，而且用戶對(duì)郵件操作和查看都很繁瑣，所以對(duì)垃圾郵件進(jìn)行過(guò)濾是必不可少的?；谏鲜隹紤]本文基于向量空間模型開(kāi)發(fā)了一款根據(jù)郵件內(nèi)容能準(zhǔn)確、快速地過(guò)濾垃圾郵件并且便于管理的郵件系統(tǒng)。
　　本文工作如下:首先將郵件分類(lèi)，郵件分

2、類(lèi)選用復(fù)旦大學(xué)語(yǔ)料庫(kù)作為各類(lèi)訓(xùn)練集，對(duì)接收到的郵件表示成向量模型，在訓(xùn)練過(guò)程中通過(guò)預(yù)處理、特征提取、權(quán)重計(jì)算和閾值的設(shè)定技術(shù)訓(xùn)練得出各類(lèi)郵件的特征向量、閾值;使用簡(jiǎn)單向量距離方法計(jì)算該郵件與各類(lèi)郵件的特征向量的相似度，取最大值，再經(jīng)過(guò)與閾值比較實(shí)現(xiàn)對(duì)郵件進(jìn)行分類(lèi);然后選用CCERT垃圾郵件訓(xùn)練集對(duì)垃圾郵件進(jìn)行過(guò)濾，通過(guò)將郵件與該類(lèi)文檔中垃圾郵件集生成的特征向量進(jìn)行相似度計(jì)算，取最大值并與閾值比較;最后判斷是否為垃圾郵件。
　　本文