基于主動TCM-EKNN的個性化郵件過濾技術(shù)研究.pdf

1、電子郵件以其方便、快捷、低成本等優(yōu)點逐漸成為日常生活中主要通信手段之一。但是隨之而來的垃圾郵件卻給社會造成了很大的危害。因此，研究郵件過濾技術(shù)具有重要的意義。
　　 近年來，利用機器學(xué)習(xí)、文本分類的郵件過濾方法處理垃圾郵件問題，已成為當(dāng)前研究的熱點。但是這類方法對樣本計算量較大和對樣本庫容量依賴性較強。訓(xùn)練集數(shù)據(jù)量過大和表征數(shù)據(jù)的特征向量維數(shù)過多，會引發(fā)“維災(zāi)難”和過大的運算量，對于一個有很多訓(xùn)練樣本的郵件過濾系統(tǒng)而言，會使得其

2、實用性能大打折扣。因此，本文結(jié)合EKNN和 TCM算法思想，提出一種 TCM-EKNN的郵件過濾方法，并且采用主動學(xué)習(xí)樣本選擇方法選擇較少高質(zhì)量的訓(xùn)練樣本構(gòu)建郵件分類器從而高效地實現(xiàn)垃圾郵件過濾。實驗結(jié)果表明：TCM-EKNN獲得了良好的過濾效果，從而論證了TCM-EKNN有效性；并且在保證傳統(tǒng)的郵件過濾方法同等高準確率前提下，TCM-EKNN采用主動學(xué)習(xí)方法后，極大地減少了訓(xùn)練樣本數(shù)量，提高了分類器性能，論證了主動學(xué)習(xí)方法選擇及限制樣

3、本規(guī)模并保證過濾性能的有效性。
　　 當(dāng)前主流郵件過濾方法主要通過特征詞來實現(xiàn)過濾功能，而漢語中詞語的表達方法靈活多變，垃圾郵件發(fā)送者很容易通過修改郵件特征詞等手段來繞過郵件過濾方法。同時，郵件具有明顯的流數(shù)據(jù)特點，垃圾郵件的特征往往隨著時間的推進而遷移，導(dǎo)致郵件過濾方法不能滿足不同背景、不同目的和不同時期的過濾需要。而個性化服務(wù)能很好的解決這些問題。因此，本文提出了一種基于用戶行為的興趣度計算方法，通過用戶對郵件的各種操作，學(xué)