| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及研究意义 | 第9-11页 |
| 1.2 垃圾短信的特点及种类 | 第11-13页 |
| 1.3 国内外垃圾短信治理现状 | 第13-14页 |
| 1.4 论文结构及创新点 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 传统的垃圾短信识别技术 | 第16-36页 |
| 2.1 垃圾短信识别概述 | 第16页 |
| 2.2 中文分词 | 第16-17页 |
| 2.3 文本去噪形成特征项集 | 第17页 |
| 2.4 文本表示 | 第17-19页 |
| 2.4.1 布尔权值法 | 第18页 |
| 2.4.2 词频权值法 | 第18页 |
| 2.4.3 TF-IDF权值法 | 第18-19页 |
| 2.5 特征选择 | 第19-20页 |
| 2.5.1 信息增益 | 第19-20页 |
| 2.5.2 卡方统计量 | 第20页 |
| 2.6 文本分类算法 | 第20-22页 |
| 2.6.1 支持向量机 | 第21页 |
| 2.6.2 Random Forest 算法 | 第21-22页 |
| 2.7 模型评价指标 | 第22-24页 |
| 2.7.1 常用评价指标 | 第22-23页 |
| 2.7.2 非平衡数据集下的评价指标 | 第23-24页 |
| 2.8 模型实验 | 第24-34页 |
| 2.8.1 实验建模流程图 | 第24页 |
| 2.8.2 实验数据集和实验环境介绍 | 第24-25页 |
| 2.8.3 实验数据预处理 | 第25-29页 |
| 2.8.4 形成特征项集和短信文本表示 | 第29页 |
| 2.8.5 特征选择与模型结果评价 | 第29-34页 |
| 2.9 分类器性能不高的原因分析 | 第34-35页 |
| 2.9.1 从数据量的角度分析 | 第34页 |
| 2.9.2 从数据本身的角度分析 | 第34页 |
| 2.9.3 从模型和算法的角度分析 | 第34-35页 |
| 2.10 本章小结 | 第35-36页 |
| 第三章 不平衡垃圾短信数据集的处理方法研究 | 第36-49页 |
| 3.1 常用不平衡数据处理方法 | 第36-38页 |
| 3.1.1 基于抽样的方法 | 第37页 |
| 3.1.2 基于特征选择的方法 | 第37页 |
| 3.1.3 基于算法的方法 | 第37-38页 |
| 3.2 基于LDA-Kmeans聚类的降采样算法 | 第38-43页 |
| 3.2.1 不平衡短信文本数据集分析及方法探讨 | 第38页 |
| 3.2.2 LDA主题模型简介 | 第38-41页 |
| 3.2.3 Kmeans聚类简介 | 第41页 |
| 3.2.4 基于LDA-Kmeans聚类的降采样算法 | 第41-43页 |
| 3.3 实验部分 | 第43-48页 |
| 3.3.1 实验流程 | 第43页 |
| 3.3.2 实验参数设置 | 第43-44页 |
| 3.3.3 正常短信类的主题分析 | 第44-46页 |
| 3.3.4 Kmeans聚类分析 | 第46页 |
| 3.3.5 实验结果分析与评价 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于二元混合特征的垃圾短信分类 | 第49-60页 |
| 4.1 短信文本特性分析 | 第49-50页 |
| 4.2 基于短信内容统计特性的特征构建 | 第50-55页 |
| 4.2.1 基于短信内容长度特性的特征构建 | 第50-51页 |
| 4.2.2 基于短信中数字及字母个数的特征构建 | 第51-53页 |
| 4.2.3 基于文本预处理后短信中词项个数的特征构建 | 第53-55页 |
| 4.3 变量的有效性验证 | 第55页 |
| 4.4 基于二元混合特征的模型实验 | 第55-59页 |
| 4.4.1 变量选择 | 第55-57页 |
| 4.4.2 实验结果分析及评价 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |