| 前言 | 第1-9页 |
| 第1章 绪论 | 第9-17页 |
| 1．1 研究背景及意义 | 第9页 |
| 1．2 垃圾邮件的危害及当前的状况 | 第9-13页 |
| 1．2．1 垃圾邮件的种类 | 第9-11页 |
| 1．2．2 垃圾邮件的危害 | 第11-12页 |
| 1．2．3 我国垃圾邮件的当前状况 | 第12-13页 |
| 1．3 反垃圾邮件的过滤技术 | 第13-15页 |
| 1．3．1 邮件过滤技术 | 第13-14页 |
| 1．3．2 过滤技术面临的挑战 | 第14-15页 |
| 1．4 本论文的主要研究内容及论文的组织 | 第15-17页 |
| 1．4．1 本论文的主要研究内容 | 第15页 |
| 1．4．2 论文组织 | 第15-17页 |
| 第2章 文本挖掘技术 | 第17-24页 |
| 2．1 文本挖掘 | 第17-21页 |
| 2．1．1 文本挖掘的定义 | 第17-18页 |
| 2．1．2 文本挖掘的过程 | 第18-19页 |
| 2．1．3 文本挖掘方法 | 第19-21页 |
| 2．2 文本挖掘技术在反垃圾邮件方面的应用 | 第21-23页 |
| 2．2．1 电子邮件的格式 | 第21-23页 |
| 2．2．2 电子邮件的分类过程 | 第23页 |
| 2．3 本章小结 | 第23-24页 |
| 第3章 预处理技术研究 | 第24-50页 |
| 3．1 文本的表示 | 第24-25页 |
| 3．2 文本预处理 | 第25-38页 |
| 3．2．1 电子邮件文本的特征格式分析 | 第26页 |
| 3．2．2 中文分词处理 | 第26-35页 |
| 3．2．3 词性标注 | 第35-36页 |
| 3．2．4 无用词条过滤 | 第36-37页 |
| 3．2．5 词频加权 | 第37-38页 |
| 3．3 基于概念推理网的词组识别方法 | 第38-41页 |
| 3．3．1 概念推理网的表示 | 第39页 |
| 3．3．2 利用概念推理网识别词组 | 第39-41页 |
| 3．4 文本潜在特征词(词组)的挖掘 | 第41-48页 |
| 3．4．1 关联分析方法简介 | 第42-44页 |
| 3．4．2 基于关联分析技术的潜在特征词(词组)挖掘方法 | 第44-48页 |
| 3．5 本章总结 | 第48-50页 |
| 第4章 邮件分类技术的研究 | 第50-58页 |
| 4．1 文本分类方法 | 第51-52页 |
| 4．2 电子邮件分类方法研究 | 第52-58页 |
| 4．2．1 特征不同邮件的分类方法及过滤策略 | 第53页 |
| 4．2．2 基于内容的垃圾邮件分类法 | 第53-54页 |
| 4．2．3 电子邮件的贝叶斯分类技术研究 | 第54-56页 |
| 4．2．4 特征向量的更新问题 | 第56页 |
| 4．2．5 分类器的评价指标 | 第56-58页 |
| 第5章 垃圾邮件过滤系统SpamKiller模型的设计 | 第58-65页 |
| 5．1 垃圾邮件过滤系统spamkiller的分析与设计 | 第58-60页 |
| 5．2 Spamkiller过滤系统中关键问题的处理 | 第60-61页 |
| 5．3 系统中的主要算法 | 第61-63页 |
| 5．4 过滤实验 | 第63-65页 |
| 第6章 总结与展望 | 第65-68页 |
| 6．1 总结 | 第65-66页 |
| 6．2 展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-70页 |
