| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 1 绪论 | 第14-18页 |
| ·研究背景 | 第14-15页 |
| ·反垃圾邮件的相关工作 | 第15-16页 |
| ·反垃圾邮件相关技术和系统 | 第15页 |
| ·反垃圾邮件组织、会议和评测 | 第15-16页 |
| ·相关数据集 | 第16页 |
| ·本文工作 | 第16-17页 |
| ·本文组织 | 第17-18页 |
| 2 电子邮件基础和反垃圾邮件技术介绍 | 第18-30页 |
| ·电子邮件的原理 | 第18-26页 |
| ·体系结构 | 第18页 |
| ·电子邮件发送的基本过程 | 第18-19页 |
| ·SMTP | 第19-20页 |
| ·Open Relay | 第20-21页 |
| ·POP3与IMAP | 第21-22页 |
| ·电子邮件的格式 | 第22-24页 |
| ·MIME协议 | 第24-26页 |
| ·反垃圾邮件技术与垃圾邮件过滤技术 | 第26-29页 |
| ·基于关键字的过滤 | 第26页 |
| ·黑白名单与实时黑名单 | 第26-27页 |
| ·反向DNS查询 | 第27页 |
| ·信头特征分析 | 第27页 |
| ·内容特征分析 | 第27-28页 |
| ·基于内容的机器学习过滤技术 | 第28页 |
| ·综合各种技术 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 垃圾邮件过滤与文本分类 | 第30-50页 |
| ·文本分类简介 | 第30-36页 |
| ·文本分类的形式化定义 | 第30-31页 |
| ·文档模型 | 第31页 |
| ·特征权重计算 | 第31-32页 |
| ·特征选择 | 第32-34页 |
| ·中文词串切分 | 第34-36页 |
| ·文本分类中常用的分词算法 | 第34-36页 |
| ·N元切分 | 第36页 |
| ·停用词与标点符号 | 第36页 |
| ·用于文本分类的机器学习算法 | 第36-41页 |
| ·朴素贝叶斯方法 | 第37页 |
| ·KNN分类模型 | 第37-38页 |
| ·支持向量机 | 第38-41页 |
| ·决策树算法 | 第41页 |
| ·基于内容的垃圾邮件过滤技术 | 第41-44页 |
| ·基本框架 | 第41-42页 |
| ·分类算法对过滤效果的影响 | 第42-43页 |
| ·降维与特征选择 | 第43页 |
| ·垃圾邮件过滤与中文分词算法 | 第43-44页 |
| ·实验 | 第44-49页 |
| ·实验硬件和软件环境 | 第44页 |
| ·使用的数据集 | 第44-45页 |
| ·评价体系 | 第45-46页 |
| ·实验结果及分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 4 基于链接特征分析的垃圾邮件过滤技术 | 第50-58页 |
| ·引言 | 第50页 |
| ·用链接分析进行判别 | 第50-52页 |
| ·特征列表 | 第52-53页 |
| ·区分广告与垃圾 | 第53-54页 |
| ·分类器与特征选择 | 第54页 |
| ·实验结果及分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 5 基于改进AdaBoost算法的多过滤技术组合策略 | 第58-69页 |
| ·Adaboost算法介绍 | 第58-60页 |
| ·弱学习与强学习 | 第58-59页 |
| ·Boosting方法 | 第59页 |
| ·AdaBoost算法原理 | 第59-60页 |
| ·用改进的AdaBoost算法进行多过滤技术组合 | 第60-65页 |
| ·改进的AdaBoost算法 | 第60-62页 |
| ·学习弱规则 | 第62-65页 |
| ·基于规则的技术的弱规则的学习 | 第62-64页 |
| ·基于机器学习的技术的弱规则的学习 | 第64-65页 |
| ·先验概率的问题 | 第65页 |
| ·分析 | 第65页 |
| ·其他的组合策略 | 第65-67页 |
| ·实验结果及分析 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 6 结论和进一步的工作 | 第69-71页 |
| ·结论 | 第69-70页 |
| ·进一步的工作 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |