中文電子郵件作者身份識(shí)別系統(tǒng)研究.pdf

1、隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展，電子郵件已經(jīng)成為人們工作生活中必不可少的信息交換手段。但是在電子郵件給人們帶來方便的同時(shí)，也帶來了許多新的問題，諸如垃圾郵件和病毒郵件等，造成了嚴(yán)重的危害。由于此類郵件發(fā)送者總是試圖隱藏其真實(shí)身份以逃避偵察，因此電子郵件作者身份識(shí)別研究勢(shì)在必行。電子郵件作者身份識(shí)別是計(jì)算機(jī)取證的基礎(chǔ)，可以為電子郵件作為電子證據(jù)提供技術(shù)支持，因此電子郵件作者身份識(shí)別研究具有極其重要的意義。 機(jī)器學(xué)習(xí)方法應(yīng)用于中文電子郵件作

2、者身份識(shí)別已成為近幾年國(guó)內(nèi)此領(lǐng)域研究的熱點(diǎn)，并且已經(jīng)取得了一些初步的研究成果。但是，一方面前人研究所用的識(shí)別方法僅限于支持向量機(jī)，并且僅采用了二類分類方法，對(duì)其它方法的研究尚未涉及；另一方面，目前還沒有專門針對(duì)中文電子郵件作者身份識(shí)別的應(yīng)用系統(tǒng)，無論是從研究的實(shí)驗(yàn)條件還是研究成果的轉(zhuǎn)化率方面都很低。 本文通過對(duì)國(guó)內(nèi)外研究現(xiàn)狀的綜合分析，在已有的郵件特征選取與表示，以及支持向量機(jī)郵件分類實(shí)驗(yàn)的基礎(chǔ)上，對(duì)以下內(nèi)容進(jìn)行了研究：

3、 首先，提出了應(yīng)用KNN和人工神經(jīng)網(wǎng)絡(luò)兩種分類方法進(jìn)行中文郵件分類，將這兩種方法的分類效果同支持向量機(jī)分類效果進(jìn)行了對(duì)比，并通過實(shí)驗(yàn)證明了支持向量機(jī)是三種分類方法中的最佳方法。其次，針對(duì)中文郵件分類中的多類分類問題，在進(jìn)一步深入研究支持向量機(jī)多類分類方法的基礎(chǔ)上，提出了應(yīng)用改進(jìn)的二叉樹支持向量機(jī)進(jìn)行中文郵件多類分類的方法，將此方法的分類效果和分類效率同傳統(tǒng)的支持向量機(jī)多類分類效果進(jìn)行了對(duì)比，并通過實(shí)驗(yàn)證明了二叉樹支持向量機(jī)多類分類方法在

4、分類效率與分類效果方面的平衡達(dá)到了最優(yōu)。 最后，基于以上兩項(xiàng)研究，設(shè)計(jì)并開發(fā)了一套專門面向中文郵件作者身份識(shí)別工作的研究型系統(tǒng)，提出了系統(tǒng)框架，給出了系統(tǒng)實(shí)現(xiàn)過程，對(duì)其中的技術(shù)難點(diǎn)和技術(shù)細(xì)節(jié)進(jìn)行了詳細(xì)說明。本系統(tǒng)自動(dòng)化地實(shí)現(xiàn)了從電子郵件提取、郵件樣本選擇、特征選擇與提取、郵件作者識(shí)別分類、結(jié)果與性能展示和各種工具可擴(kuò)展性添加等一系列功能。 本系統(tǒng)的實(shí)現(xiàn)是對(duì)中文郵件作者身份識(shí)別研究工作的進(jìn)一步推進(jìn)，是中文郵件作者身份識(shí)別理