| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景和意义 | 第11-12页 |
| ·垃圾邮件过滤技术研究现状 | 第12-16页 |
| ·基于规则的过滤 | 第13-15页 |
| ·基于内容的过滤 | 第15-16页 |
| ·主要研究内容及章节安排 | 第16-18页 |
| 第2章 基于内容的垃圾邮件过滤系统概述 | 第18-30页 |
| ·特征选择 | 第18-21页 |
| ·特征频度和文档频度 | 第18-19页 |
| ·χ2 统计量 | 第19页 |
| ·信息增益（IG） | 第19-20页 |
| ·互信息（MI） | 第20页 |
| ·特征熵（TE） | 第20页 |
| ·文本证据权（WET） | 第20-21页 |
| ·期望交叉熵（ECE） | 第21页 |
| ·文本表示 | 第21-25页 |
| ·布尔模型 | 第22页 |
| ·向量空间模型（VSM） | 第22-24页 |
| ·隐含语义索引模型（LSI） | 第24-25页 |
| ·LDA生成模型 | 第25页 |
| ·垃圾邮件过滤中常用的分类算法 | 第25-29页 |
| ·K 近邻算法（KNN） | 第25-26页 |
| ·支持向量机（SVM） | 第26-27页 |
| ·决策树 | 第27-28页 |
| ·基于数据集的分类器集成 | 第28-29页 |
| ·垃圾邮件过滤的评价体系 | 第29-30页 |
| 第3章 基于内容的垃圾邮件过滤系统预处理 | 第30-36页 |
| ·中文邮件预处理 | 第30-32页 |
| ·中文分词 | 第31页 |
| ·词性选择 | 第31-32页 |
| ·英文邮件预处理 | 第32-36页 |
| ·去除信头 | 第32-34页 |
| ·词根还原和停用词过滤 | 第34-36页 |
| 第4章 基于类别信息的LDA特征选择及加权算法 | 第36-54页 |
| ·LDA生成模型相关知识介绍 | 第36-40页 |
| ·贝叶斯网络 | 第36-37页 |
| ·EM算法 | 第37-38页 |
| ·LDA生成模型 | 第38-40页 |
| ·基于邮件类别信息的LDA特征选择CLDA算法 | 第40-48页 |
| ·基于邮件类别信息的LDA特征选择算法CLDA概述 | 第40-41页 |
| ·LDA模型参数估计 | 第41-42页 |
| ·实验结果与分析 | 第42-48页 |
| ·基于LDA模型改进的特征加权Imp-LDA算法 | 第48-54页 |
| ·算法描述 | 第48-49页 |
| ·实验结果与分析 | 第49-54页 |
| 第5章 基于反馈学习的随机森林算法 | 第54-62页 |
| ·基于反馈学习的邮件过滤系统 | 第54-56页 |
| ·随机森林算法在邮件过滤系统中的应用 | 第56-58页 |
| ·实验结果比较与分析 | 第58-62页 |
| ·特征数量对邮件过滤系统性能的影响 | 第58-59页 |
| ·基于反馈学习的随机森林算法的邮件过滤系统性能分析 | 第59-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间取得的科研成果 | 第69页 |