基于用戶(hù)行為關(guān)系和內(nèi)容的郵件分類(lèi)算法的研究與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩79頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、郵件在人類(lèi)通信上的地位越來(lái)越重要了,在給人們帶來(lái)便利的同時(shí),也使得人們不得不花費(fèi)大量時(shí)間來(lái)處理大量的郵件。隨著郵件的普及,人們?cè)谔幚磬]件上花費(fèi)的人力和財(cái)力就越來(lái)越多。因此構(gòu)造一種新的有效的郵件分類(lèi)算法就變得尤為迫切。
  本文研究的主要問(wèn)題是郵件分類(lèi),該問(wèn)題的重點(diǎn)在于訓(xùn)練數(shù)據(jù)集不平衡。不平衡數(shù)據(jù)分類(lèi)是最近幾年的比較熱門(mén)的問(wèn)題,所謂不平衡數(shù)據(jù)集是指不同類(lèi)別的數(shù)據(jù)在數(shù)量存在巨大的差距。不平衡數(shù)據(jù)集會(huì)導(dǎo)致在分類(lèi)過(guò)程中,分類(lèi)器偏向數(shù)量比較

2、多的類(lèi)別。對(duì)于我們更想獲取的數(shù)量較少的類(lèi)別無(wú)法有效的識(shí)別。針對(duì)數(shù)據(jù)不平衡問(wèn)題,目前比較流行的解決方法有兩種:改變數(shù)據(jù)分布和調(diào)整分類(lèi)算法。本文結(jié)合這兩種方法,提出了一個(gè)多層次的分類(lèi)器算法,該算法結(jié)合郵件內(nèi)容和用戶(hù)行為關(guān)系。該算法通過(guò)一級(jí)級(jí)的過(guò)濾,不斷的降低樣本的不平衡性,最終在最后一級(jí)實(shí)現(xiàn)數(shù)據(jù)的相對(duì)平衡。另外,現(xiàn)在的郵件分類(lèi)算法一般是針對(duì)郵件內(nèi)容的,忽略了郵箱地址在郵件分類(lèi)中的作用,實(shí)際上,同一封郵件由不同的人發(fā)送給我們,由于發(fā)件人與收件

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論