基于社会计算的垃圾邮件过滤技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 章节安排 | 第16-18页 |
| 第二章 相关技术简介 | 第18-31页 |
| 2.1 社会计算概述 | 第18-25页 |
| 2.1.1 社会网络 | 第18-19页 |
| 2.1.2 社会计算 | 第19-20页 |
| 2.1.3 社会信任 | 第20-22页 |
| 2.1.4 相似度度量 | 第22-23页 |
| 2.1.5 群体智慧 | 第23-25页 |
| 2.2 反垃圾邮件技术 | 第25-30页 |
| 2.2.1 垃圾邮件概述 | 第25页 |
| 2.2.2 客户端垃圾邮件过滤技术 | 第25-29页 |
| 2.2.3 网络垃圾邮件过滤技术 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于社会计算的垃圾邮件过滤系统 | 第31-46页 |
| 3.1 系统模型 | 第31-37页 |
| 3.1.1 系统概览 | 第31-33页 |
| 3.1.2 系统流程 | 第33-34页 |
| 3.1.3 基于贝叶斯算法的垃圾邮件过滤器 | 第34-36页 |
| 3.1.4 基于兴趣的垃圾邮件过滤器 | 第36-37页 |
| 3.2 垃圾邮件反馈 | 第37-39页 |
| 3.2.1 垃圾邮件报告 | 第37-38页 |
| 3.2.2 推送机制 | 第38-39页 |
| 3.3 本地列表 | 第39-42页 |
| 3.3.1 本地兴趣列表 | 第39-41页 |
| 3.3.2 本地垃圾邮件列表 | 第41-42页 |
| 3.4 兴趣相似度 | 第42-45页 |
| 3.4.1 余弦相似度 | 第42-43页 |
| 3.4.2 兴趣相似度计算 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 系统实验与评估 | 第46-59页 |
| 4.1 实验设置 | 第46-47页 |
| 4.1.1 社会网络数据 | 第46-47页 |
| 4.1.2 邮件数据集 | 第47页 |
| 4.1.3 参数设置 | 第47页 |
| 4.2 实验测试 | 第47-58页 |
| 4.2.1 与贝叶斯过滤器的比较 | 第48页 |
| 4.2.2 不同的兴趣相似度阈值实验结果 | 第48-50页 |
| 4.2.3 不同的垃圾邮件报告接收比率实验结果 | 第50-51页 |
| 4.2.4 不同的社会网络实验结果 | 第51-53页 |
| 4.2.5 不同的社会网络好友数实验结果 | 第53-54页 |
| 4.2.6 不同的兴趣关键词数实验结果 | 第54-55页 |
| 4.2.7 抵抗毒药攻击实验结果 | 第55-56页 |
| 4.2.8 双向推送机制实验结果 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 总结和展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间取得的学术成果 | 第66-67页 |
| 致谢 | 第67页 |
