| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 一、垃圾邮件概述 | 第9-11页 |
| (一) 垃圾邮件的定义 | 第9页 |
| (二) 垃圾邮件的特征 | 第9-10页 |
| (三) 垃圾邮件的危害 | 第10-11页 |
| 二、选题背景和研究意义 | 第11-12页 |
| 三、国内外研究现状 | 第12-15页 |
| (一) 基于信件源的垃圾邮件过滤技术 | 第12页 |
| (二) 基于规则的垃圾邮件过滤技术 | 第12-13页 |
| (三) 基于统计的垃圾邮件过滤技术 | 第13-15页 |
| 四、主要研究内容及组织安排 | 第15-16页 |
| (一) 研究内容 | 第15页 |
| (二) 组织安排 | 第15-16页 |
| 五、本文的创新点 | 第16-18页 |
| 第二章 文本分类的关键技术 | 第18-30页 |
| 一、文本预处理 | 第18-19页 |
| 二、文本特征提取 | 第19-20页 |
| 三、基于互信息的特征提取方法的改进 | 第20-24页 |
| 四、文本表示方法 | 第24-25页 |
| 五、垃圾邮件过滤中常用的文本分类技术 | 第25-30页 |
| (一) 决策树 | 第26-27页 |
| (二) 朴素贝叶斯分类 | 第27页 |
| (三) 支持向量机分类 | 第27-28页 |
| (四) K近邻(K-Nearst Neighbour)分类 | 第28-29页 |
| (五) K均值聚类方法 | 第29-30页 |
| 第三章 朴素贝叶斯的理论概述及改进 | 第30-39页 |
| 一、贝叶斯定理 | 第30页 |
| 二、朴素贝叶斯分类 | 第30-32页 |
| 三、朴素贝叶斯分类模型参数估计 | 第32-33页 |
| 四、朴素贝叶斯模型选择 | 第33-35页 |
| 五、伯努利朴素贝叶斯在垃圾邮件分类中的示例 | 第35-37页 |
| 六、隐朴素贝叶斯 | 第37-39页 |
| 第四章 垃圾邮件过滤的实证研究 | 第39-54页 |
| 一、语料库 | 第39-42页 |
| (一) 英文语料库 | 第39-41页 |
| (二) 中文语料库 | 第41页 |
| (三) 研究样本选择 | 第41-42页 |
| 二、分类结果的性能评价 | 第42-45页 |
| (一) 评价方法 | 第42页 |
| (二) 性能评价标准 | 第42-45页 |
| 三、模型的建立与分析 | 第45页 |
| 四、模型结果分析 | 第45-54页 |
| (一) 实验一 | 第45-48页 |
| (二) 实验二 | 第48页 |
| (三) 实验三 | 第48-50页 |
| (四) 实验四 | 第50-51页 |
| (五) 实验五 | 第51-54页 |
| 第五章 总结及展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录A 特征词 | 第58-63页 |
| 一、垃圾邮件特征词 | 第58-60页 |
| 二、正常邮件特征词 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在读期间发表的学术论文与取得的研究成果 | 第64页 |