基于文本處理技術(shù)的中文電子郵件分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、垃圾郵件過(guò)濾是互聯(lián)網(wǎng)領(lǐng)域內(nèi)一個(gè)重要的研究課題。然而垃圾郵件自動(dòng)過(guò)濾的一個(gè)主要難題是垃圾郵件的定義具有主觀性，而且在一個(gè)用戶眼里的垃圾郵件，在另一個(gè)用戶眼里可能包含對(duì)其有用的信息，針對(duì)這一難題，對(duì)電子郵件進(jìn)行基于內(nèi)容的分類比單純將郵件劃分為垃圾，非垃圾意義更大。 解決電子郵件基于內(nèi)容的分類是文本分類技術(shù)的一個(gè)重要應(yīng)用，因此本文首先介紹了文本分類技術(shù)的一些基本概念和文本自動(dòng)分類的背景，系統(tǒng)討論了文本自動(dòng)分類的過(guò)程，深入研究了實(shí)現(xiàn)中文

2、電子郵件文本自動(dòng)分類系統(tǒng)所涉及的各個(gè)方面的理論和技術(shù)。對(duì)文本分類中所涉及的關(guān)鍵技術(shù)，包括向量空間模型，特征提取，機(jī)器學(xué)習(xí)方法，進(jìn)行了理論闡述和算法描述。 然后本文提出了一個(gè)電子郵件自動(dòng)分類系統(tǒng)的實(shí)現(xiàn)方案，給出了一個(gè)基于文本分類技術(shù)的電子郵件分類系統(tǒng)的體系結(jié)構(gòu)，借鑒了中科院的漢語(yǔ)詞法分析系統(tǒng)ICTCLAS和概率句法分析器PROP對(duì)電子郵件文本進(jìn)行了分詞和句法分析，使從電子郵件文本抽取出的索引項(xiàng)更大概率地趨向于焦點(diǎn)詞，從而提高了系統(tǒng)