基于内容过滤的反垃圾邮件技术研究
| 第一章 绪论 | 第1-13页 |
| ·背景 | 第9-12页 |
| ·垃圾邮件的定义 | 第9页 |
| ·垃圾邮件的历史 | 第9-10页 |
| ·垃圾邮件泛滥原因 | 第10-11页 |
| ·危害 | 第11-12页 |
| ·本文内容安排 | 第12-13页 |
| 第二章 垃圾邮件过滤研究现状 | 第13-18页 |
| ·基本概念 | 第13-15页 |
| ·常用的垃圾邮件过滤方法 | 第15-18页 |
| ·关键词过滤 | 第15-16页 |
| ·黑白名单 | 第16页 |
| ·HASH技术 | 第16页 |
| ·基于规则的过滤 | 第16页 |
| ·基于内容的过滤 | 第16-18页 |
| 第三章 文本分类与垃圾邮件过滤 | 第18-32页 |
| ·文本分类简介 | 第18-19页 |
| ·文本的表示 | 第19-24页 |
| ·特征项 | 第19-20页 |
| ·特征项的权值 | 第20页 |
| ·特征项的选择与抽取 | 第20-23页 |
| ·向量空间的降维方法 | 第23-24页 |
| ·垃圾邮件过滤中的文本分类方法 | 第24-27页 |
| ·贝叶斯分类算法 | 第24页 |
| ·kNN方法 | 第24-25页 |
| ·决策树 | 第25-26页 |
| ·支持向量机 | 第26-27页 |
| ·垃圾邮件内容过滤中的常用语料库 | 第27-29页 |
| ·Ling-Spam语料 | 第28页 |
| ·PU1语料 | 第28-29页 |
| ·Spam Assassin语料 | 第29页 |
| ·Spambase语料 | 第29页 |
| ·垃圾邮件过滤的评价体系 | 第29-32页 |
| 第四章 简单贝叶斯邮件过滤 | 第32-50页 |
| ·贝叶斯分类方法研究现状 | 第32页 |
| ·贝叶斯统计模型 | 第32-36页 |
| ·一般贝叶斯模型 | 第33-35页 |
| ·朴素贝叶斯模型 | 第35-36页 |
| ·两种事件模型 | 第36-40页 |
| ·多变量贝努力事件模型 | 第36-38页 |
| ·多项式事件模型 | 第38-40页 |
| ·基于最小风险的贝叶斯决策 | 第40页 |
| ·垃圾邮件过滤中的反馈学习 | 第40-41页 |
| ·增量式学习 | 第41页 |
| ·重新学习 | 第41页 |
| ·改进朴素贝叶斯分类器的一些方法 | 第41-42页 |
| ·属性删除技术 | 第41页 |
| ·构造新属性或概率调整技术 | 第41页 |
| ·分类器集成技术 | 第41-42页 |
| ·局部朴素贝叶斯分类器 | 第42页 |
| ·贝叶斯算法用于垃圾邮件过滤的实验 | 第42-50页 |
| ·试验结果 | 第42-43页 |
| ·试验结果分析 | 第43-50页 |
| 第五章 客户端垃圾邮件过滤系统的设计 | 第50-62页 |
| ·整体模型设计 | 第50-52页 |
| ·贝叶斯过滤算法的基本步骤 | 第52-54页 |
| ·算法基本步骤 | 第52-53页 |
| ·贝叶斯过滤算法举例 | 第53-54页 |
| ·贝叶斯过滤器设计 | 第54-62页 |
| ·模型设计 | 第54-56页 |
| ·算法实现 | 第56-60页 |
| ·贝叶斯算法中的反馈学习技术 | 第60页 |
| ·一些建议 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66页 |
