基于内容的中文垃圾短信分类技术的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·本文的研究背景及意义 | 第9页 |
| ·垃圾短信知识 | 第9-14页 |
| ·短信基础知识 | 第9-11页 |
| ·垃圾短信的定义 | 第11页 |
| ·垃圾短信的特征 | 第11-12页 |
| ·垃圾短信产生的原因 | 第12页 |
| ·垃圾短信的危害及解决办法 | 第12-13页 |
| ·我国垃圾短信的当前状况 | 第13-14页 |
| ·垃圾短信分类技术的发展现状 | 第14-15页 |
| ·两种分类方式 | 第14页 |
| ·两种分类途径 | 第14-15页 |
| ·论文结构安排 | 第15-16页 |
| 第二章 当前垃圾短信分类技术概述 | 第16-19页 |
| ·垃圾短信的分类方式 | 第16页 |
| ·基于关键词的分类技术 | 第16-17页 |
| ·基于黑白名单分类技术 | 第17页 |
| ·基于规则的分类技术 | 第17-18页 |
| ·基于内容的分类技术 | 第18-19页 |
| 第三章 基于内容的垃圾短信分类技术 | 第19-35页 |
| ·文本分类技术概况 | 第19-20页 |
| ·文本预处理 | 第20-22页 |
| ·中文分词 | 第20-22页 |
| ·停用词过滤 | 第22页 |
| ·文本的表示 | 第22-25页 |
| ·布尔模型 | 第23页 |
| ·LDA生成模型 | 第23页 |
| ·向量空间模型(VSM) | 第23-25页 |
| ·隐含语义索引模型(LSI) | 第25页 |
| ·特征提取方法 | 第25-28页 |
| ·特征频度(TF) | 第26页 |
| ·文档频度(DF) | 第26页 |
| ·互信息(MI) | 第26-27页 |
| ·信息增益(IG) | 第27页 |
| ·期望交叉熵(ECE) | 第27-28页 |
| ·文本证据权(WET) | 第28页 |
| ·χ~2统计量 | 第28页 |
| ·特征权重表示方法 | 第28-29页 |
| ·布尔权重 | 第29页 |
| ·特征项频度 | 第29页 |
| ·反文档频度 | 第29页 |
| ·联合权重 | 第29页 |
| ·文本分类算法 | 第29-33页 |
| ·常用文本分类算法 | 第30-32页 |
| ·贝叶斯文本分类方法 | 第32-33页 |
| ·垃圾短信分类的评估指标 | 第33-35页 |
| 第四章 基于改进贝叶斯算法的垃圾短信分类 | 第35-73页 |
| ·改进的贝叶斯算法 | 第35-40页 |
| ·朴素贝叶斯算法 | 第35-36页 |
| ·最小风险Bayes算法 | 第36-37页 |
| ·主动学习贝叶斯算法 | 第37-39页 |
| ·改进的贝叶斯算法 | 第39-40页 |
| ·短信预处理 | 第40-44页 |
| ·必要性分析 | 第40页 |
| ·实施方法 | 第40-41页 |
| ·短信分词 | 第41-43页 |
| ·短信表示 | 第43页 |
| ·特征选择 | 第43-44页 |
| ·短信分类模型 | 第44-45页 |
| ·实验部分 | 第45-73页 |
| ·实验数据介绍 | 第45页 |
| ·实验评价标准 | 第45-46页 |
| ·系统功能模块 | 第46-47页 |
| ·系统详细设计 | 第47-48页 |
| ·实验过程及实验结果 | 第48-61页 |
| ·实验结果分析 | 第61-62页 |
| ·分类器的个性化训练 | 第62-64页 |
| ·分类器结合黑白名单过滤机制 | 第64-66页 |
| ·不同参数的分类器训练及测试结果分析 | 第66-73页 |
| 第五章 总结与展望 | 第73-75页 |
| ·总结 | 第73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 致谢 | 第77-78页 |
| 个人简历及攻读学位期间的成果 | 第78页 |
