| 摘要 | 第1-6页 |
| Abstract | 第6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究背景及意义 | 第8页 |
| ·邮件内容分类的本质 | 第8-9页 |
| ·文本分类研究综述 | 第9-10页 |
| ·论文的主要内容 | 第10-12页 |
| 2 邮件内容文本处理 | 第12-17页 |
| ·邮件内容文本的提取 | 第12-13页 |
| ·邮件内容文本的预处理 | 第13-14页 |
| ·邮件内容文本表示 | 第14-16页 |
| ·常用的表示模型 | 第14-15页 |
| ·基于向量空间模型的文本表示 | 第15-16页 |
| ·小结 | 第16-17页 |
| 3 邮件内容特征选取 | 第17-26页 |
| ·常用的特征选取方法 | 第17-20页 |
| ·文本频数 | 第17页 |
| ·信息增益 | 第17-18页 |
| ·期望交叉熵 | 第18页 |
| ·互信息 | 第18-19页 |
| ·文本证据权 | 第19页 |
| ·优势率 | 第19-20页 |
| ·改进的CHI统计方法 | 第20-23页 |
| ·传统的CHI统计方法 | 第20-21页 |
| ·改进的CHI统计方法 | 第21-23页 |
| ·邮件内容文本数据的属性约简 | 第23-25页 |
| ·小结 | 第25-26页 |
| 4 邮件内容分类算法 | 第26-42页 |
| ·常用的分类算法 | 第26-28页 |
| ·朴素贝叶斯分类 | 第26-27页 |
| ·K近邻分类器 | 第27-28页 |
| ·支持向量机分类算法 | 第28-34页 |
| ·支持向量机分类理论基础 | 第28-30页 |
| ·支持向量机分类原理 | 第30-34页 |
| ·支持向量机多分类方法 | 第34-36页 |
| ·二叉树SVMs多分类方法 | 第36-38页 |
| ·二叉树SVMs(Binary Tree SVMs) | 第36-37页 |
| ·一种构造二叉树模型的新方法 | 第37-38页 |
| ·邮件内容分类的实现 | 第38-41页 |
| ·核函数的选择和参数选优 | 第38-40页 |
| ·邮件内容二叉树分类模型构造 | 第40-41页 |
| ·小结 | 第41-42页 |
| 5 邮件内容分类方法的性能测试 | 第42-52页 |
| ·邮件内容语料库 | 第42页 |
| ·分类性能的评估 | 第42-43页 |
| ·实验结果与分析 | 第43-51页 |
| ·选取特征数目分类结果分析 | 第43-44页 |
| ·特征选取方法分类结果分析 | 第44-46页 |
| ·分类算法分类结果分析 | 第46-49页 |
| ·多分类方法分类结果分析 | 第49-51页 |
| ·小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-58页 |