中文垃圾郵件過濾技術(shù)研究.pdf

1、隨著因特網(wǎng)的高速發(fā)展，互聯(lián)網(wǎng)用戶不斷增加，電子郵件也成為了日常生活中最普遍、最經(jīng)濟(jì)的通訊方式之一。由于其快捷、經(jīng)濟(jì)的特點(diǎn)，很多大型企業(yè)也將其作為內(nèi)部的主要交流形式。但一些人士為了自己的利益，也利用電子郵件的這個(gè)特點(diǎn)來傳播垃圾郵件，不但占據(jù)帶寬、耗費(fèi)網(wǎng)絡(luò)資源，浪費(fèi)用戶時(shí)間和精力，甚至還可能給用戶的計(jì)算機(jī)造成威脅，泄露用戶隱私。因此反垃圾郵件技術(shù)就應(yīng)運(yùn)而生，從反垃圾郵件技術(shù)誕生的那一刻起，國內(nèi)外的研究者都在探討切實(shí)有效的垃圾郵件的過濾技術(shù)。

2、
　　 本文在前人研究的基礎(chǔ)上，深入研究了目前國內(nèi)外主流的反垃圾郵件技術(shù)，選取了基于內(nèi)容的垃圾郵件過濾作為本文的研究重點(diǎn)。分析了常用的幾種基于內(nèi)容的過濾方法，由于貝葉斯算法的分類效果好于其他的分類算法，因此本文著重分析和探討了貝葉斯分類算法，針對該算法的不足進(jìn)行了改進(jìn)：提出了一種基于權(quán)重的貝葉斯分類模型，并在傳統(tǒng)的權(quán)重計(jì)算的基礎(chǔ)上引入信息增益的概念，優(yōu)化了權(quán)重計(jì)算公式；另外本文從實(shí)際應(yīng)用出發(fā)，對于垃圾郵件的判斷方法進(jìn)行改進(jìn)，由單

3、純地比較概率的大小提升到比較概率的倍數(shù)；并考慮了訓(xùn)練郵件樣本集中合法郵件和垃圾郵件的比例，根據(jù)最近發(fā)布的《中國反垃圾郵件狀況調(diào)查報(bào)告》中統(tǒng)計(jì)的電子郵箱用戶所收到的垃圾郵件占用戶郵件的百分比，在訓(xùn)練郵件樣本集中盡量模擬真實(shí)的郵件比例。并通過實(shí)驗(yàn)證明了改進(jìn)后的貝葉斯算法相較于傳統(tǒng)算法的分類精度得到提高。
　　 本文還研究了郵件過濾相關(guān)的技術(shù)：中文分詞技術(shù)、文本表示模型、特征項(xiàng)選擇等，為分類模塊的設(shè)計(jì)奠定基礎(chǔ)。
　　 最后本文