| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文工作 | 第13-14页 |
| ·论文结构安排 | 第14-15页 |
| 第2章 理论知识准备 | 第15-23页 |
| ·文本挖掘与文本分类 | 第15-17页 |
| ·邮件分析 | 第17-18页 |
| ·向量空间模型 | 第18-19页 |
| ·支持向量机 | 第19-20页 |
| ·信息熵的相关理论 | 第20-21页 |
| ·评价体系 | 第21-23页 |
| 第3章 对 TF-IDF 算法的改进策略 | 第23-35页 |
| ·TF-IDF 算法 | 第23-26页 |
| ·TF 值的计算 | 第23-24页 |
| ·IDF 权值的计算 | 第24-25页 |
| ·算法流程 | 第25-26页 |
| ·TF-IDF 算法的不足 | 第26-27页 |
| ·对 TF-IDF 算法的改进 | 第27-31页 |
| ·引入信息熵因子 | 第27-28页 |
| ·引入内容和位置权重 | 第28-29页 |
| ·独立性系数 | 第29-30页 |
| ·简化 IDF 参数及系数修正 | 第30-31页 |
| ·改进后的算法流程 | 第31-32页 |
| ·邮件分类 | 第32页 |
| ·算法可行性检验 | 第32-35页 |
| 第4章 垃圾邮件过滤系统的设计与实现 | 第35-46页 |
| ·垃圾邮件过滤系统综述 | 第35页 |
| ·基于 TF-IDF 改进算法的反垃圾邮件模型设计 | 第35-37页 |
| ·系统功能模块及用户界面介绍 | 第37-38页 |
| ·训练模块 | 第38-43页 |
| ·文本分词包 | 第38-39页 |
| ·特征选择包 | 第39-41页 |
| ·模式转换包 | 第41-42页 |
| ·机器学习包 | 第42-43页 |
| ·测试模块 | 第43-44页 |
| ·统计模块 | 第44-46页 |
| 第5章 结果评测与分析 | 第46-49页 |
| ·试验对象选取 | 第46页 |
| ·试验结果分析 | 第46-49页 |
| ·原算法与改进各项的测试结果对比 | 第46-47页 |
| ·与腾讯邮件识别系统的对比 | 第47-49页 |
| 第6章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |