| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 垃圾邮件检测及过滤技术 | 第11-14页 |
| 1.2.1 垃圾邮件的定义 | 第11页 |
| 1.2.2 邮件过滤技术的研究现状及发展趋势 | 第11-14页 |
| 1.3 本文的主要研究内容及各章节安排 | 第14-16页 |
| 第2章 邮件文本预处理及文本表示 | 第16-25页 |
| 2.1 邮件的基本结构 | 第16-17页 |
| 2.2 邮件主要模块的选取 | 第17-18页 |
| 2.3 邮件的预处理 | 第18-22页 |
| 2.3.1 英文邮件的预处理 | 第18-20页 |
| 2.3.2 中文邮件的预处理 | 第20页 |
| 2.3.3 分词原理及主流的分词技术 | 第20-21页 |
| 2.3.4 分词工具的选取 | 第21-22页 |
| 2.4 文本表示模型 | 第22-24页 |
| 2.4.1 布尔模型 | 第22页 |
| 2.4.2 向量空间模型 | 第22-23页 |
| 2.4.3 Word2vec词向量表示模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于主题模型邮件文本建模 | 第25-41页 |
| 3.1 经典主题模型概述 | 第25页 |
| 3.2 PLSA主题模型 | 第25-26页 |
| 3.3 LDA主题模型 | 第26-33页 |
| 3.3.1 相关概率分布 | 第26-27页 |
| 3.3.2 相关参数的计算与选取 | 第27-33页 |
| 3.4 基于LDA和Word2vec的邮件文本建模 | 第33-38页 |
| 3.5 基于Gensim的邮件主题建模与仿真 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于KNN和支持向量机的邮件分类算法 | 第41-55页 |
| 4.1 基于KNN的分类算法 | 第41-44页 |
| 4.1.1 K最近邻算法 | 第41-42页 |
| 4.1.2 K最近邻算法在邮件分类中的应用 | 第42-44页 |
| 4.2 基于支持向量机的邮件分类算法 | 第44-50页 |
| 4.2.1 支持向量机算法 | 第44-49页 |
| 4.2.2 支持向量机算法在邮件分类中的应用 | 第49-50页 |
| 4.3 实验结果及分析 | 第50-54页 |
| 4.3.1 模型评估参数的选取 | 第50-51页 |
| 4.3.2 基于KNN的邮件分类模型的评估 | 第51-53页 |
| 4.3.3 基于支持向量机的邮件分类模型的评估 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于JavaMail和主题模型的邮件过滤系统设计及实现 | 第55-78页 |
| 5.1 系统开发环境及开发语言 | 第55-56页 |
| 5.2 邮件发送和接收相关协议 | 第56-60页 |
| 5.2.1 SMTP协议 | 第56-57页 |
| 5.2.2 POP3和IMAP协议 | 第57-59页 |
| 5.2.3 MIME协议 | 第59-60页 |
| 5.3 邮件过滤系统设计方案及实现 | 第60-67页 |
| 5.3.1 用户登录模块设计及实现 | 第60-62页 |
| 5.3.2 邮件发送模块设计及实现 | 第62-65页 |
| 5.3.3 邮件接收模块设计及实现 | 第65-66页 |
| 5.3.4 邮件过滤模块设计及实现 | 第66-67页 |
| 5.3.5 邮件搜索及邮件智能分类模块及实现 | 第67页 |
| 5.4 系统测试 | 第67-77页 |
| 5.4.1 用户登录模块测试 | 第67-69页 |
| 5.4.2 发送模块测试 | 第69-72页 |
| 5.4.3 接收模块测试 | 第72-73页 |
| 5.4.4 邮件搜索及智能分类模块测试 | 第73-77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-87页 |
| 攻读学位期间发表的学术论文 | 第87-88页 |
| 攻读学位期间取得的科研成果 | 第88页 |