基于贝叶斯理论的中文垃圾邮件过滤算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·反垃圾邮件概述 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·垃圾邮件的定义 | 第9页 |
| ·垃圾邮件产生的原因 | 第9-10页 |
| ·电子邮件的工作原理 | 第10-12页 |
| ·目前主要的反垃圾邮件技术 | 第12-15页 |
| ·本文研究的目的和意义 | 第15页 |
| ·论文的主要工作 | 第15-16页 |
| 2 中文邮件文本信息预处理 | 第16-26页 |
| ·电子邮件的格式 | 第16-17页 |
| ·邮件解析 | 第17-19页 |
| ·中文分词 | 第19-24页 |
| ·中文分词的主要方法 | 第19-21页 |
| ·中文分词算法设计 | 第21-23页 |
| ·中文分词的结果 | 第23-24页 |
| ·特征项提取 | 第24-26页 |
| 3 最小风险贝叶斯邮件过滤算法 | 第26-38页 |
| ·贝叶斯理论 | 第26-30页 |
| ·贝叶斯公式的定义和相关概念 | 第26-29页 |
| ·两种事件模型 | 第29-30页 |
| ·贝叶斯算法在邮件过滤中的应用 | 第30-33页 |
| ·公式推导 | 第30-31页 |
| ·贝叶斯邮件过滤算法 | 第31-33页 |
| ·贝叶斯算法的优点和局限性 | 第33-34页 |
| ·最小风险贝叶斯邮件过滤算法 | 第34-38页 |
| ·基于最小风险的贝叶斯决策规则 | 第34-35页 |
| ·最小风险贝叶斯邮件过滤算法 | 第35-38页 |
| 4 改进的基于用户反馈的贝叶斯增量学习算法 | 第38-43页 |
| ·算法思想 | 第38-39页 |
| ·算法描述 | 第39-40页 |
| ·部分关键步骤说明 | 第40-41页 |
| ·反馈信息的获取 | 第40页 |
| ·增量学习公式推导 | 第40-41页 |
| ·算法评价 | 第41-43页 |
| 5 模型的设计及实验结果分析 | 第43-58页 |
| ·邮件过滤模型设计 | 第43页 |
| ·系统实现 | 第43-52页 |
| ·客户端邮件接收程序 | 第43-46页 |
| ·邮件解析程序 | 第46-47页 |
| ·贝叶斯中文邮件过滤算法实现 | 第47-52页 |
| ·性能评价标准 | 第52-54页 |
| ·实验及结果分析 | 第54-58页 |
| ·实验一 | 第54-57页 |
| ·实验二 | 第57-58页 |
| 结论 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间的研究成果 | 第63页 |
