| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 垃圾邮件概述 | 第9-12页 |
| 1.1.1 垃圾邮件定义 | 第9-10页 |
| 1.1.2 垃圾邮件的危害 | 第10-11页 |
| 1.1.3 垃圾邮件泛滥的原因 | 第11-12页 |
| 1.2 国内垃圾邮件现状调查 | 第12-16页 |
| 1.3 论文的内容与结构 | 第16-18页 |
| 第2章 反垃圾邮件相关技术概述 | 第18-26页 |
| 2.1 电子邮件系统 | 第18-22页 |
| 2.1.1 电子邮件工作原理 | 第18-19页 |
| 2.1.2 电子邮件格式 | 第19-20页 |
| 2.1.3 电子邮件相关协议 | 第20-22页 |
| 2.2 电子邮件安全缺陷 | 第22-23页 |
| 2.3 电子邮件过滤研究现状 | 第23-25页 |
| 2.3.1 静态黑白名单 | 第23-24页 |
| 2.3.2 静态内容过滤 | 第24页 |
| 2.3.3 实时黑名单及其改进 | 第24-25页 |
| 2.3.4 贝叶斯分析 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 贝叶斯分类研究 | 第26-45页 |
| 3.1 贝叶斯定理 | 第26-28页 |
| 3.2 贝叶斯分类器 | 第28-35页 |
| 3.2.1 Naive Bayes（朴素贝叶斯） | 第29-32页 |
| 3.2.2 TAN Bayes | 第32-33页 |
| 3.2.3 BAN Bayes | 第33-35页 |
| 3.2.4 GBN Bayes | 第35页 |
| 3.3 贝叶斯过滤算法应用于文本分类 | 第35-37页 |
| 3.4 邮件预处理 | 第37-42页 |
| 3.4.1 邮件编码解码 | 第37-38页 |
| 3.4.2 中文分词 | 第38-40页 |
| 3.4.3 提取特征向量及特征词权重计算 | 第40页 |
| 3.4.4 基于统计的特征提取方法（构造评估函数） | 第40-42页 |
| 3.5 贝叶斯算法的改善 | 第42-43页 |
| 3.6 垃圾邮件评价指标 | 第43页 |
| 3.7 本章小结 | 第43-45页 |
| 第4章 垃圾邮件过滤器的实现与测试 | 第45-56页 |
| 4.1 邮件过滤系统概述 | 第45-47页 |
| 4.1.1 开发环境介绍 | 第45-46页 |
| 4.1.2 完整的邮件过滤系统流程图 | 第46-47页 |
| 4.2 邮件过滤模块分析 | 第47-52页 |
| 4.2.1 中文分词处理 | 第47-49页 |
| 4.2.2 贝叶斯过滤器前期训练 | 第49-50页 |
| 4.2.3 贝叶斯公式的先验概率及条件概率计算 | 第50-51页 |
| 4.2.4 贝叶斯过滤计算 | 第51-52页 |
| 4.3 实验结果分析 | 第52-55页 |
| 4.3.1 实验预料选择 | 第53页 |
| 4.3.2 实验结果分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 作者简介 | 第62-63页 |
| 致谢 | 第63页 |