| 第1章 引言 | 第1-13页 |
| ·研究的意义 | 第10页 |
| ·国内外的研究现状 | 第10-11页 |
| ·本课题研究的主要内容 | 第11-13页 |
| ·邮件的采集与预处理 | 第11页 |
| ·文本分词 | 第11页 |
| ·特征选取 | 第11-12页 |
| ·贝叶斯分类器 | 第12-13页 |
| 第2章 总体设计 | 第13-15页 |
| ·功能模块 | 第13页 |
| ·开发平台及开发语言的选择 | 第13-14页 |
| ·采用的开发平台 | 第13-14页 |
| ·采用的开发语言 | 第14页 |
| ·本课题的创新点 | 第14-15页 |
| 第3章 邮件采集与预处理 | 第15-33页 |
| ·Email系统工作原理 | 第15-17页 |
| ·JavaMail API | 第17-22页 |
| ·JavaMail API简介 | 第17页 |
| ·JavaMail API所涉及的相关协议 | 第17-18页 |
| ·JavaMail核心类结构 | 第18-22页 |
| ·使用 JavaMail API实现邮件收发及内容采集 | 第22-26页 |
| ·发送邮件 | 第22-23页 |
| ·接收邮件 | 第23-24页 |
| ·邮件内容采集 | 第24-25页 |
| ·邮件中 HTML内容的显示处理 | 第25-26页 |
| ·邮件预处理 | 第26-33页 |
| ·在邮件中搜索短语 | 第26-27页 |
| ·HTML标记处理 | 第27-33页 |
| ·超文本标记语言(HTML) | 第27-28页 |
| ·HTML中的重要标记 | 第28页 |
| ·HTML解析 | 第28-31页 |
| ·邮件预处理的实现 | 第31-33页 |
| 第4章 中文分词的实现及中文词典 | 第33-40页 |
| ·中文分词概述 | 第33-34页 |
| ·中文分词方法 | 第34-37页 |
| ·基于字典、词库匹配的分词方法(机械分词法) | 第34-36页 |
| ·正向最大匹配法(MM) | 第34-36页 |
| ·基于词的频度统计的分词方法 | 第36页 |
| ·基于知识理解的分词方法 | 第36-37页 |
| ·本课题中分词采用的方法 | 第37页 |
| ·中文词典及其存储结构 | 第37-38页 |
| ·中文切分 | 第38-40页 |
| 第5章 各特征选取算法比较及本课题采取的选取算法 | 第40-47页 |
| ·特征选取算法 | 第41-44页 |
| ·文档频率 | 第41页 |
| ·信息增益 | 第41页 |
| ·互信息 | 第41-42页 |
| ·term的某种熵 | 第42页 |
| ·相对熵 | 第42页 |
| ·词条强度法 | 第42-43页 |
| ·开放拟合检验(CHI) | 第43-44页 |
| ·各特征选取算法的比较 | 第44-45页 |
| ·本课题提出的特征选取算法 | 第45-46页 |
| ·改进后的互信息方法与其他特征选取算法的比较 | 第46-47页 |
| 第6章 各邮件过滤方法的比较与 NB分类器的实现 | 第47-65页 |
| ·基于规则的方法 | 第47-49页 |
| ·Ripper | 第48页 |
| ·决策树方法(Decision Tree) | 第48页 |
| ·Boosting方法 | 第48-49页 |
| ·Rough Set方法 | 第49页 |
| ·基于统计的方法 | 第49-52页 |
| ·kNN方法 | 第49页 |
| ·SVM | 第49-50页 |
| ·Rocchio方法 | 第50页 |
| ·Winnow方法 | 第50-51页 |
| ·Bayes方法 | 第51-52页 |
| ·贝叶斯方法与文本分类 | 第52页 |
| ·Naive贝叶斯分类器 | 第52-55页 |
| ·Naive贝叶斯方法 | 第52-53页 |
| ·概率估计 | 第53-54页 |
| ·贝叶斯分类器 | 第54-55页 |
| ·贝叶斯分类器的实现 | 第55-65页 |
| 第7章 结论评价及展望 | 第65-73页 |
| ·系统总体结构图 | 第65-66页 |
| ·系统各模块运行界面 | 第66-69页 |
| ·系统实验结果的质量评价体系 | 第69-71页 |
| ·邮件分类实验及其实验结果讨论 | 第71页 |
| ·进一步研究的展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表论文情况 | 第77页 |