| 第一章 序言 | 第1-13页 |
| ·课题背景 | 第9-11页 |
| ·课题研究目标及相关问题 | 第11页 |
| ·论文的结构 | 第11-13页 |
| 第二章 构建邮件分类器的关键技术 | 第13-33页 |
| ·训练集和测试集 | 第13页 |
| ·邮件标引和空间降维 | 第13-21页 |
| ·预处理 | 第13-14页 |
| ·邮件标引 | 第14-16页 |
| ·空间降维 | 第16-21页 |
| ·常用于邮件分类的文本分类器 | 第21-26页 |
| ·Rocchio 方法——相似度计算方法 | 第21页 |
| ·Naive Bayes——贝叶斯方法 | 第21-22页 |
| ·KNN 方法——K 近邻方法 | 第22-23页 |
| ·SVM——支持向量机 | 第23-24页 |
| ·Decision Tree——决策树方法 | 第24-25页 |
| ·Neural Networks——神经网络方法 | 第25-26页 |
| ·中文邮件语料库的建设 | 第26-29页 |
| ·阈值选择 | 第29-30页 |
| ·评估准则 | 第30-33页 |
| 第三章 BAYES 和KNN 分类器在邮件语料上的实验 | 第33-39页 |
| ·BAYES 在中文邮件语料库SDMC 上的实验 | 第33-35页 |
| ·算法回顾 | 第33-35页 |
| ·实验结果 | 第35页 |
| ·性能表现 | 第35页 |
| ·KNN 在中文邮件语料库SDMC 上的实验 | 第35-37页 |
| ·算法回顾 | 第35-37页 |
| ·实验结果 | 第37页 |
| ·性能表现 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 中文邮件分类器的设计 | 第39-57页 |
| ·WINNOW 算法的实验及其改进 | 第39-46页 |
| ·Winnow 算法介绍 | 第39-40页 |
| ·在SDMC 上的实验与改进 | 第40-44页 |
| ·在FDC 上的实验与分析 | 第44-46页 |
| ·WINNOW 算法的优点 | 第46页 |
| ·邮件个性化特征分析与对策 | 第46-53页 |
| ·个性特征 | 第47页 |
| ·规则与平凡分类算法交错融合 | 第47-53页 |
| ·中文邮件分类系统的自适应问题 | 第53-56页 |
| ·重新学习 | 第53-54页 |
| ·增量式学习 | 第54页 |
| ·自适应算法的结构流程图及其实现 | 第54-55页 |
| ·实验验证 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 ZHHZ 中文邮件分类系统的实现 | 第57-64页 |
| ·邮件分类系统结构图 | 第57页 |
| ·JMAIL 简介 | 第57-59页 |
| ·邮件分类器的实现 | 第59-62页 |
| ·训练模块的实现 | 第59-61页 |
| ·分类模块的实现 | 第61-62页 |
| ·分类器的应用与系统的表现 | 第62-64页 |
| ·分类器的应用实例 | 第62页 |
| ·ZHHZ 分类系统的效果图 | 第62-64页 |
| 第六章 总结与展望 | 第64-67页 |
| ·本文总结 | 第64-65页 |
| ·重点解决的问题 | 第64-65页 |
| ·系统的优点 | 第65页 |
| ·未来工作 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 攻读学位期间公开发表的论文 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71-74页 |
| 苏州大学硕士专业学位论文详细摘要 | 第74-76页 |