基于貝葉斯的中文郵件分類關鍵技術研究.pdf

1、隨著互聯(lián)網(wǎng)的加速擴張，人們的日常生活也越來越離不開網(wǎng)絡提供的各種服務，電子郵件(E-mail)即是其中應用最為廣泛的一種。作為應用最早的互聯(lián)網(wǎng)服務之一，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。但隨之而來的垃圾郵件問題也給企業(yè)和個人帶來了巨大的損失和無盡的煩惱。垃圾郵件在我國雖然起步較晚，但發(fā)展迅速，目前我國已經(jīng)成為世界第三大垃圾郵件來源國。目前，國內針對中文垃圾郵件過濾的研究也在如火如荼的展開，本

2、文即是對基于貝葉斯模型的中文垃圾郵件過濾方法的研究。貝葉斯垃圾郵件過濾技術是目前使用最廣泛，取得效果最好的垃圾郵件過濾技術。本文針對中文貝葉斯垃圾郵件過濾系統(tǒng)的特點，研究了中文貝葉斯垃圾郵件過濾系統(tǒng)所涉及的三項主要技術：中文分詞技術、文本特征選取技術、貝葉斯文本分類技術，并在此基礎上設計完成了一個多層整合的垃圾郵件過濾系統(tǒng)，對該系統(tǒng)的大量測試結果顯示本文設計的系統(tǒng)比傳統(tǒng)的基于樸素貝葉斯模型的系統(tǒng)，無論是垃圾郵件識別的準確率，還是垃圾郵件

3、的查全率都有不同程度的提高。 本文對貝葉斯垃圾郵件過濾模型三個關鍵步驟進行了改進。首先在貝葉斯決策過程中使用了兩步?jīng)Q策過程，這也是本文所實現(xiàn)的系統(tǒng)在結構上和傳統(tǒng)基于樸素貝葉斯模型的系統(tǒng)的最大區(qū)別所在，由于引進了二次決策過程，并在二次覺得的過程中使用了不同的郵件特征項，本系統(tǒng)避免了一次決策可能產(chǎn)生的很多錯誤，大大提高了系統(tǒng)的準確率和查全率。其次，在二次決策過程中使用了兩種互補的特征選取方法，即充分利用了初次特征選取的結果，又使系統(tǒng)