基于后缀树模型的流文本表示研究及其应用
| 声 明 | 第1页 |
| 关于论文使用授权的说明 | 第2-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-11页 |
| 第1章 引言 | 第11-15页 |
| ·问题的提出 | 第11-12页 |
| ·应用背景 | 第12-13页 |
| ·内容安排 | 第13-15页 |
| 第2章 研究现状 | 第15-29页 |
| ·概述 | 第15-16页 |
| ·文档存储的数据结构 | 第16-21页 |
| ·队列 | 第16-18页 |
| ·AVL树 | 第18页 |
| ·B树 | 第18-19页 |
| ·散列表 | 第19-20页 |
| ·T树 | 第20-21页 |
| ·特征项粒度的选择方法 | 第21-22页 |
| ·特征项筛选方法 | 第22-26页 |
| ·类别可分离性判据 | 第23-25页 |
| ·特征选择方法 | 第25-26页 |
| ·特征项权重计算 | 第26-27页 |
| ·相似度计算 | 第27-29页 |
| 第3章 基于后缀树模型的流文本表示 | 第29-41页 |
| ·概述 | 第29页 |
| ·后缀树模型(STM) | 第29-35页 |
| ·STM相关理论 | 第29-32页 |
| ·STM相关算法 | 第32-35页 |
| ·STM复杂度分析 | 第35页 |
| ·后缀树模型的改进 | 第35-38页 |
| ·通用后缀树模型（GSTM） | 第35-37页 |
| ·n-截枝后缀树模型 | 第37-38页 |
| ·向量化算法 | 第38页 |
| ·权重计算算法 | 第38-39页 |
| ·相似度计算算法 | 第39-41页 |
| 第4章 基于后缀树模型的垃圾邮件过滤 | 第41-55页 |
| ·概述 | 第41-43页 |
| ·垃圾邮件的定义 | 第41-42页 |
| ·垃圾邮件过滤与文本分类 | 第42-43页 |
| ·垃圾邮件过滤方法 | 第43-47页 |
| ·服务器端和客户端的邮件过滤 | 第43-44页 |
| ·白名单和黑名单 | 第44-45页 |
| ·设定过滤规则 | 第45-46页 |
| ·基于内容的垃圾邮件过滤技术 | 第46-47页 |
| ·内容过滤中的分类算法 | 第47-50页 |
| ·近邻分类算法 | 第47-48页 |
| ·中心向量分类算法 | 第48-49页 |
| ·朴素贝叶斯分类算法 | 第49页 |
| ·基于聚类粒度的分类算法 | 第49-50页 |
| ·邮件过滤系统实现 | 第50-55页 |
| ·Spam Assassin概述 | 第50-52页 |
| ·Spam Assassin的设置 | 第52-53页 |
| ·基于STM的垃圾邮件过滤部分 | 第53-55页 |
| 第5章 实验结果及分析 | 第55-67页 |
| ·文本分类实验 | 第55-58页 |
| ·实验说明 | 第55页 |
| ·评价标准 | 第55-56页 |
| ·实验语料 | 第56页 |
| ·正确率结果与分析 | 第56-58页 |
| ·垃圾邮件过滤实验 | 第58-66页 |
| ·评价标准 | 第58页 |
| ·实验语料 | 第58-61页 |
| ·实验结果与分析 | 第61-65页 |
| ·复杂度比较分析 | 第65-66页 |
| ·实验总结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简历 | 第77页 |
