一種改進的神經(jīng)網(wǎng)絡郵件分類器.pdf

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展，電子郵件以其方便快捷的特性越來越受到人們的青睞。但是垃圾郵件的出現(xiàn)和不斷泛濫，嚴重干擾了人們正常的網(wǎng)絡活動。采取技術手段對垃圾郵件進行過濾是對付垃圾郵件的一個重要的手段，因此對垃圾郵件自動過濾技術的研究，是當前網(wǎng)絡應用研究中的一個重要方向。
　　 垃圾郵件的過濾問題從本質(zhì)上來說是一個文本分類的問題。傳統(tǒng)的文本分類方法以貝葉斯方法最為常用。但是由于貝葉斯方法采用的是基于最小錯誤率的決策方式，因此在郵件分類問題

2、中，正常郵件被系統(tǒng)誤判為垃圾郵件的可能性較大，這可能會給用戶帶來更大的損失，因為相對于用戶來說，正常郵件比垃圾郵件更為重要。
　　 神經(jīng)網(wǎng)絡具有自學習、自適應和泛化能力等優(yōu)點，對于一些比較復雜的問題，當輸入和輸出之間的映射關系不明確，或者很難用解析的方法表達時，神經(jīng)網(wǎng)絡可以通過學習，記住輸入和輸出的映射關系，并將這種映射關系存儲在網(wǎng)絡中，以神經(jīng)元的互聯(lián)分布存儲信息，并且在對訓練樣本進行學習之后，神經(jīng)網(wǎng)絡對未知的測試樣本也可以識別

3、，這使得神經(jīng)網(wǎng)絡在處理模式分類問題上有較好的表現(xiàn)。但在實際應用中，特別是當測試樣本包含的噪聲較大時，傳統(tǒng)神經(jīng)網(wǎng)絡方法的泛化能力并不十分理想。
　　 為提高神經(jīng)網(wǎng)絡的泛化能力，本文采用了分類面神經(jīng)網(wǎng)絡模型，并在此基礎上，將中介真值度量的理論和方法應用到郵件分類問題，改進了神經(jīng)網(wǎng)絡郵件分類器的設計。新方法的基本思想為：給定相對于正常郵件的真值程度平均函數(shù)gnT-M的值g，然后以一系列相對于正常郵件類別的gnT-M值為g的樣本點來構(gòu)造

4、兩類樣本之間的分類面，再用一個或多個BP神經(jīng)網(wǎng)絡來逼近分類面。學習完成后，保存網(wǎng)絡的權值和閾值。測試時，將測試樣本輸入已訓練完成的BP網(wǎng)絡，然后根據(jù)測試樣本與分類面的相對位置，便可以對測試樣本進行分類。
　　 在進行郵件分類之前，首先要對郵件樣本進行預處理。郵件的預處理包括提取有用的信息、中文分詞、計算特征向量三個步驟。郵件在經(jīng)過預處理之后，其中有價值的信息將以向量的形式來表示。文中對郵件的預處理進行了詳細的介紹，并在此基礎上，