| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·垃圾邮件的起源与历史 | 第11-12页 |
| ·垃圾邮件的定义与泛滥原因 | 第12页 |
| ·反垃圾邮件法律和政策 | 第12-14页 |
| ·本文内容 | 第14-15页 |
| 2 电子邮件的原理 | 第15-20页 |
| ·电子邮件的格式 | 第15页 |
| ·电子邮件的传送过程 | 第15-17页 |
| ·电子邮件代理 | 第15-16页 |
| ·电子邮件的传送过程 | 第16-17页 |
| ·电子邮件的相关协议 | 第17-19页 |
| ·SMTP协议 | 第17-18页 |
| ·MIME协议 | 第18页 |
| ·POP协议 | 第18-19页 |
| ·IMAP协议 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 邮件过滤技术 | 第20-29页 |
| ·垃圾邮件过滤的位置 | 第20页 |
| ·基干IP地址的垃圾邮件过滤 | 第20-21页 |
| ·基于邮件头的垃圾邮件过滤 | 第21-22页 |
| ·基于内容的垃圾邮件过滤 | 第22-27页 |
| ·文本分类与垃圾邮件过滤 | 第22-23页 |
| ·信息过滤 | 第23页 |
| ·基于规则的过滤方法 | 第23-24页 |
| ·基于统计的过滤方法 | 第24-27页 |
| ·垃圾邮件内容过滤中的常用语料库 | 第27页 |
| ·其它过滤方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 4 邮件预处理与特征选取算法 | 第29-36页 |
| ·邮件预处理 | 第29-32页 |
| ·邮件正文提取 | 第29页 |
| ·邮件分词 | 第29-30页 |
| ·英文分词 | 第29-30页 |
| ·中文分词 | 第30页 |
| ·邮件表示 | 第30-32页 |
| ·向量空间模型 | 第30-31页 |
| ·项的确定 | 第31页 |
| ·项的权重 | 第31-32页 |
| ·各种特征选取算法 | 第32-35页 |
| ·特征选取算法 | 第33-35页 |
| ·文档频率 | 第33页 |
| ·信息增益 | 第33-34页 |
| ·互信息 | 第34页 |
| ·相对熵 | 第34页 |
| ·词条强度 | 第34-35页 |
| ·开放拟合检验 | 第35页 |
| ·各种特征选取算法的比较 | 第35页 |
| ·本章小结 | 第35-36页 |
| 5 贝叶斯邮件过滤 | 第36-49页 |
| ·贝叶斯方法简介 | 第36页 |
| ·贝叶斯文本分类算法的两种模型 | 第36-40页 |
| ·多变量Bernoulli事件方法 | 第38-39页 |
| ·多项式事件方法 | 第39-40页 |
| ·贝叶斯算法中的特征选择 | 第40-41页 |
| ·基于最小风险的贝叶斯决策 | 第41-42页 |
| ·贝叶斯算法应用于垃圾邮件过滤的实验 | 第42-44页 |
| ·实验结果比较与分析 | 第44-48页 |
| ·特征数量对实验结果的影响 | 第44-46页 |
| ·阈值对实验结果的影响 | 第46页 |
| ·语料的预处理层次对实验结果的影响 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 6 邮件过滤算法的设计与实现 | 第49-59页 |
| ·kNN和Rocchio算法用于邮件过滤的研究 | 第49-51页 |
| ·kNN和Rocchio算法用于邮件过滤的设计与实现 | 第51-54页 |
| ·训练及过滤过程的设计与实现 | 第51-54页 |
| ·邮件样本集的选取 | 第51页 |
| ·训练过程 | 第51-52页 |
| ·过滤过程 | 第52-54页 |
| ·算法方法中的反馈学习技术 | 第54-58页 |
| ·算法的不足和互补 | 第54-55页 |
| ·算法的改进 | 第55-56页 |
| ·实验结果及分析 | 第56-58页 |
| ·实验数据的选取 | 第56-57页 |
| ·实验数据及分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读工程硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |