| 声明 | 第1页 |
| 论文版权使用授权书 | 第2-3页 |
| 摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 引言 | 第8-12页 |
| ·背景 | 第8-9页 |
| ·对付垃圾邮件的方法简介 | 第9-10页 |
| ·论文的主要研究内容 | 第10页 |
| ·本文的内容安排 | 第10-12页 |
| 第二章 基于内容的垃圾邮件过滤 | 第12-26页 |
| ·文本表示方法 | 第12-14页 |
| ·特征选择 | 第14页 |
| ·垃圾邮件过滤中常用的机器学习算法 | 第14-18页 |
| ·基于规则的方法 | 第14-16页 |
| ·Ripper | 第15页 |
| ·决策树方法(Decision Tree) | 第15页 |
| ·PART方法 | 第15页 |
| ·Boosting方法 | 第15-16页 |
| ·基于统计的方法 | 第16-18页 |
| ·kNN方法 | 第16页 |
| ·SVM | 第16页 |
| ·Rocchio方法 | 第16-17页 |
| ·Winnow方法 | 第17页 |
| ·Bayes方法 | 第17-18页 |
| ·邮件过滤语料库 | 第18-20页 |
| ·SpamAssassin语料 | 第18-19页 |
| ·PU系列语料 | 第19页 |
| ·Ling-Spam语料 | 第19页 |
| ·其他语料 | 第19-20页 |
| ·评价体系 | 第20-24页 |
| ·沿用传统文本分类的评价体系 | 第20-21页 |
| ·ROC评价方法 | 第21-24页 |
| ·小结 | 第24-26页 |
| 第三章 多特征垃圾邮件过滤 | 第26-44页 |
| ·邮件特征的分类 | 第26-27页 |
| ·节点特征 | 第27-30页 |
| ·短语特征 | 第27-28页 |
| ·模式特征 | 第28-29页 |
| ·有关节点特征的使用 | 第29-30页 |
| ·属性特征 | 第30-42页 |
| ·属性特征的分类效果 | 第31-34页 |
| ·属性特征与传统文本特征的结合 | 第34-38页 |
| ·特征选择 | 第38-42页 |
| ·小结 | 第42-44页 |
| 第四章 基于结构的双层SPAM过滤模型 | 第44-60页 |
| ·样本结构分布对分类的影响 | 第44-49页 |
| ·文档频率DF在不同文件长度(结构)语料集中的分布 | 第44-45页 |
| ·特征信息增益在不同长度(结构)文档集中的分布 | 第45-49页 |
| ·基于结构的双层SPAM分类模型 | 第49-50页 |
| ·SBF模型的效果分析 | 第50-57页 |
| ·在SpamAssassin语料库上的实验结果 | 第50-53页 |
| ·在Enron和SpamArchive的混合语料库上的结果 | 第53-56页 |
| ·Na(?)ve Bayes效果分析 | 第56-57页 |
| ·如何划分层次 | 第57-58页 |
| ·小结 | 第58-60页 |
| 第五章 基于内容的垃圾邮件过滤的实用性研究 | 第60-70页 |
| ·放在服务器上的客户端过滤器 | 第60-64页 |
| ·基于内容的垃圾邮件过滤的实用情况分析 | 第60-61页 |
| ·用户个性化的服务器端过滤器 | 第61-64页 |
| ·用户个性化信息建模 | 第64-67页 |
| ·用户个性化的过滤系统模型 | 第64-65页 |
| ·用户个性化信息的获取 | 第65-66页 |
| ·个性化信息的表示 | 第66-67页 |
| ·增量式学习 | 第67-69页 |
| ·小结 | 第69-70页 |
| 第六章 总结 | 第70-72页 |
| ·论文工作总结 | 第70页 |
| ·下一步研究方向 | 第70-72页 |
| 参考文献 | 第72-79页 |
| 作者简历 | 第79页 |