| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 引言 | 第12-18页 |
| ·选题背景和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·反垃圾邮件立法 | 第13-14页 |
| ·垃圾邮件过滤技术研究现状 | 第14-15页 |
| ·本文主要工作及研究内容 | 第15-17页 |
| ·现有贝叶斯算法的不足 | 第15-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·论文组织结构 | 第17-18页 |
| 第2章 垃圾邮件过滤技术概述 | 第18-39页 |
| ·电子邮件介绍 | 第18-24页 |
| ·电子邮件的基本概念 | 第18页 |
| ·电子邮件的特点 | 第18-19页 |
| ·电子邮件相关协议 | 第19-22页 |
| ·电子邮件工作原理 | 第22-24页 |
| ·中文分词介绍 | 第24-26页 |
| ·中文分词基本概念 | 第24页 |
| ·中文分词特点 | 第24页 |
| ·中文分词问题及解决方案 | 第24-26页 |
| ·现有的中文分词算法 | 第26-28页 |
| ·基于字符匹配的中文分词算法 | 第26-27页 |
| ·基于频率统计的中文分词算法 | 第27-28页 |
| ·基于知识理解的中文分词算法 | 第28页 |
| ·特征选取介绍 | 第28-33页 |
| ·现有的特征选取方法 | 第29-31页 |
| ·特征权重 | 第31-33页 |
| ·现有的垃圾邮件过滤算法 | 第33-38页 |
| ·基于规则的垃圾邮件过滤算法 | 第33-34页 |
| ·基于概率统计的垃圾邮件过滤算法 | 第34-38页 |
| ·小结 | 第38-39页 |
| 第3章 基于最小风险的贝叶斯多项式垃圾邮件过滤算法 | 第39-43页 |
| ·问题描述及解决方案 | 第39页 |
| ·贝叶斯邮件分类模型 | 第39-40页 |
| ·贝叶斯多项式模型 | 第40-41页 |
| ·基于最小风险的邮件分类 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第4章 基于最小风险的中文垃圾邮件过滤系统设计与实现 | 第43-50页 |
| ·系统设计目标 | 第43页 |
| ·系统总体架构设计 | 第43-44页 |
| ·系统模块设计 | 第44-49页 |
| ·预处理模块 | 第44-45页 |
| ·中文分词模块 | 第45-46页 |
| ·特征选取模块 | 第46-47页 |
| ·基于最小风险的贝叶斯过滤器模块 | 第47-48页 |
| ·反馈学习模块 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第5章 实验测试及结果分析 | 第50-57页 |
| ·实验目的及工具选取 | 第50页 |
| ·实验评价体系 | 第50-51页 |
| ·实验方法及结果分析 | 第51-56页 |
| ·小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 附录 A 攻读硕士期间发表的论文目录 | 第65页 |