基于数据挖掘的中文垃圾邮件过滤方法研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| Contents | 第7-9页 |
| 第一章 绪论 | 第9-18页 |
| 1．1 研究背景及选题意义 | 第9-11页 |
| 1．2 垃圾邮件历史、现状与发展趋势 | 第11-13页 |
| 1．2．1 垃圾邮件的历史 | 第11-12页 |
| 1．2．2 垃圾邮件的现状与发展趋势 | 第12-13页 |
| 1．3 反垃圾邮件技术国内外研究现状与发展趋势 | 第13-16页 |
| 1．4 本文研究的主要内容 | 第16-17页 |
| 1．5 本文的主要组织 | 第17-18页 |
| 第二章 邮件过滤模型初始化处理 | 第18-33页 |
| 2．1 电子邮件工作原理 | 第18-22页 |
| 2．1．1 电子邮件的工作原理 | 第18-19页 |
| 2．1．2 电子邮件结构分析 | 第19-22页 |
| 2．2 自动文本分词技术 | 第22-26页 |
| 2．3 自动文本分类技术 | 第26-27页 |
| 2．4 文本分类中的特征提取 | 第27-33页 |
| 第三章 贝叶斯分类过滤器 | 第33-40页 |
| 3．1 几个概念 | 第33-34页 |
| 3．2 贝叶斯分类器 | 第34-35页 |
| 3．3 朴素贝叶斯模型 | 第35-37页 |
| 3．4 改进后的贝叶斯邮件过滤算法 | 第37-40页 |
| 第四章 垃圾邮件过滤系统设计和实现 | 第40-59页 |
| 4．1 垃圾邮件系统总体设计 | 第40-41页 |
| 4．2 模块设计和实现 | 第41-59页 |
| 4．2．1 贝叶斯模型初始化模块 | 第41-43页 |
| 4．2．2 贝叶斯模型初始化模块实现 | 第43-44页 |
| 4．2．3 中文文本自动分词的实现 | 第44-51页 |
| 4．2．4 特征项的抽取 | 第51-54页 |
| 4．2．5 数据模块 | 第54-55页 |
| 4．2．6 贝叶斯模型过滤模块应用 | 第55-59页 |
| 4．2．6．1 邮件过滤应用过程 | 第55-56页 |
| 4．2．6．2 实验结果比较 | 第56-59页 |
| 结束语 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间发表的论文 | 第66-68页 |
| 致谢 | 第68-69页 |
| 附录1 | 第69-71页 |
