基于聚类的半监督中文垃圾邮件过滤研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10-12页 |
| ·课题研究背景 | 第10-11页 |
| ·近期垃圾邮件状况 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·黑白名单技术 | 第12-13页 |
| ·关键词过滤 | 第13页 |
| ·基于规则的过滤 | 第13页 |
| ·机器学习方法 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·论文的内容安排 | 第15-16页 |
| 第二章 邮件过滤的关键技术及评价指标 | 第16-25页 |
| ·电子邮件报文格式 | 第16-17页 |
| ·MIME 邮件内容解析 | 第17页 |
| ·中文分词 | 第17-18页 |
| ·汉语词法分析系统 ICTCLAS | 第17-18页 |
| ·去除停用词 | 第18页 |
| ·向量空间模型 | 第18-19页 |
| ·贝叶斯定理 | 第19-20页 |
| ·贝叶斯定理介绍 | 第19页 |
| ·朴素贝叶斯的原理 | 第19-20页 |
| ·支持向量机基本思想 | 第20-22页 |
| ·最优分类平面 | 第20-21页 |
| ·结构风险最小化 | 第21页 |
| ·内积核函数 | 第21-22页 |
| ·邮件过滤测评相关技术 | 第22-24页 |
| ·邮件过滤模式 | 第22-23页 |
| ·过滤器评价体系 | 第23-24页 |
| ·参照标准 | 第24页 |
| ·评测数据集 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于聚类的邮件过滤模型 | 第25-38页 |
| ·传统邮件过滤模型 | 第25-26页 |
| ·基于聚类的邮件过滤模型 | 第26-28页 |
| ·聚类前邮件预处理 | 第28-30页 |
| ·邮件解码 | 第29页 |
| ·提取邮件特征 | 第29-30页 |
| ·向量表示 | 第30页 |
| ·聚类算法 | 第30-31页 |
| ·划分聚类方法 | 第30-31页 |
| ·层次聚类方法 | 第31页 |
| ·聚类类别数 k 的确定 | 第31-33页 |
| ·聚类类别数 K 的选择 | 第31页 |
| ·邮件聚类效果评价方法 | 第31-32页 |
| ·聚类类别数 K 的实验说明 | 第32-33页 |
| ·聚类效果评价 | 第33-37页 |
| ·实验流程说明 | 第33-35页 |
| ·实验结果及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 邮件类属性判别方法 | 第38-46页 |
| ·相似度计算方法 | 第38-41页 |
| ·基于向量空间的文本相似度计算方法 | 第38-39页 |
| ·基于汉明距离的文本相似度计算方法 | 第39-40页 |
| ·其它文本相似度计算方法 | 第40-41页 |
| ·邮件类属性判别的计算方法 | 第41-42页 |
| ·基于向量空间的邮件类属性判别方法 | 第41-42页 |
| ·基于汉明距离的邮件类属性判别方法 | 第42页 |
| ·实验及结果分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 邮件过滤半监督学习方法 | 第46-51页 |
| ·半监督学习方法 | 第46-48页 |
| ·半监督学习方法的思想 | 第46-47页 |
| ·半监督学习算法 | 第47页 |
| ·半监督算法在邮件过滤应用上的效果评价 | 第47-48页 |
| ·基于聚类的邮件过滤模型的半监督学习方法 | 第48-49页 |
| ·基于聚类的半监督学习方法思想 | 第48-49页 |
| ·基于聚类的邮件过滤模型半监督学习方法 | 第49页 |
| ·实验及结果分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 集成实验及结果分析 | 第51-54页 |
| ·过滤器设计 | 第51页 |
| ·实验及性能分析 | 第51-53页 |
| ·离线过滤模式下的性能比较 | 第52页 |
| ·在线过滤模式下的性能比较 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论及展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |
