基于貝葉斯的中文郵件分類(lèi)關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的加速擴(kuò)張，人們的日常生活也越來(lái)越離不開(kāi)網(wǎng)絡(luò)提供的各種服務(wù)，電子郵件(E-mail)即是其中應(yīng)用最為廣泛的一種。作為應(yīng)用最早的互聯(lián)網(wǎng)服務(wù)之一，電子郵件的出現(xiàn)大大改變了人們交換信息的方式，使人們之間的交流變得前所未有的迅捷。但隨之而來(lái)的垃圾郵件問(wèn)題也給企業(yè)和個(gè)人帶來(lái)了巨大的損失和無(wú)盡的煩惱。垃圾郵件在我國(guó)雖然起步較晚，但發(fā)展迅速，目前我國(guó)已經(jīng)成為世界第三大垃圾郵件來(lái)源國(guó)。目前，國(guó)內(nèi)針對(duì)中文垃圾郵件過(guò)濾的研究也在如火如荼的展開(kāi)，本

2、文即是對(duì)基于貝葉斯模型的中文垃圾郵件過(guò)濾方法的研究。貝葉斯垃圾郵件過(guò)濾技術(shù)是目前使用最廣泛，取得效果最好的垃圾郵件過(guò)濾技術(shù)。本文針對(duì)中文貝葉斯垃圾郵件過(guò)濾系統(tǒng)的特點(diǎn)，研究了中文貝葉斯垃圾郵件過(guò)濾系統(tǒng)所涉及的三項(xiàng)主要技術(shù)：中文分詞技術(shù)、文本特征選取技術(shù)、貝葉斯文本分類(lèi)技術(shù)，并在此基礎(chǔ)上設(shè)計(jì)完成了一個(gè)多層整合的垃圾郵件過(guò)濾系統(tǒng)，對(duì)該系統(tǒng)的大量測(cè)試結(jié)果顯示本文設(shè)計(jì)的系統(tǒng)比傳統(tǒng)的基于樸素貝葉斯模型的系統(tǒng)，無(wú)論是垃圾郵件識(shí)別的準(zhǔn)確率，還是垃圾郵件

3、的查全率都有不同程度的提高。 本文對(duì)貝葉斯垃圾郵件過(guò)濾模型三個(gè)關(guān)鍵步驟進(jìn)行了改進(jìn)。首先在貝葉斯決策過(guò)程中使用了兩步?jīng)Q策過(guò)程，這也是本文所實(shí)現(xiàn)的系統(tǒng)在結(jié)構(gòu)上和傳統(tǒng)基于樸素貝葉斯模型的系統(tǒng)的最大區(qū)別所在，由于引進(jìn)了二次決策過(guò)程，并在二次覺(jué)得的過(guò)程中使用了不同的郵件特征項(xiàng)，本系統(tǒng)避免了一次決策可能產(chǎn)生的很多錯(cuò)誤，大大提高了系統(tǒng)的準(zhǔn)確率和查全率。其次，在二次決策過(guò)程中使用了兩種互補(bǔ)的特征選取方法，即充分利用了初次特征選取的結(jié)果，又使系統(tǒng)