基于概念向量空间模型的电子邮件分类.pdfVIP

第28卷第 l2期 计算机应用 V0l_28No．12 2008年 12月 ComputerApplieati0ns Dee．2008 文章编号：1001—9081(2008)12—3248—03 基于概念 向量空间模型的电子邮件分类 曾 超 ，吕 钊 ，顾君忠 ‘ (华东师范大学信息科学技术学院，上海 200241) (czeng@iea．stc．sh．CII) 摘 要：提 出了一个基于概念向量空间模型的电子邮件分类方法。在提取电子邮件特征向量时，以WordNet语言 本体库为基础 ，以同义词集合概念代替词条，同时考虑同义词集合 间的上下位关系，从而建立电子邮件的概念向量空 间模型作为电子邮件的特征向量。使用TF IWF IWF方法对概念向量进行权值修正，最后通过简单向量距离分类 方法来确定电子邮件的类别。实验结果表明，当训练集合数 目有限时，该方法能够有效提高电子邮件的分类准确率。 关键词：电子邮件分类；WordNet；概念向量；向量空间模型 中图分类号：TP393．098 文献标志码 ：A E．mailclassification basedon conceptvectorspacemodel ZENGChao，LU Zhao，GUJun—zhong (Institute ComputerApplications，EastChinaNormalUniversity,Shanghai200241，China) Abstract：A new approach ofe—mailclassification based onthe conceptvectorspace modelwasproposed． In this approach．theeigenvectorofthe e—mailwasextracted during training processby replacingtermswith synonymy setsin WordNetandconsideringhypernymy—hyponymyrelationbetweensynonymysets．Then,TF IWF IWFmethodwasused torevisetheweightoftheconceptveetor．Intheend．thetypeofe—mailwasdeterminedusingthesimplevectorclassification method．Comparedwiththetemr —basedVSM approach，theresultsshowthatthisapproachcanimprovetheaccuracYofe—mail classificationespeciallywhenthesizeoftrainingsetissmal1． Keywords：E—mailclassification；WordNet；conceptvector；VeetorSpaceModelfVSM) 0 引言 1 相关研究背景 电子邮件是人们在网络环境下实现信息交流的主要手段 通常，电子邮件分类主要有如下三个环节：电子邮件文本 之一。在 Internet网络已经普及的今天，收发电子邮件几乎已 的预处理、特征选择和构造分类器。 成为相当一部分人正常生活的一部分。但是，当人们在享用 预处理环节由文本分词、特征表示和特征提取三部分组 成。特征表示 目前按照是否进行语义理解可以分为两类 ：基 网络信息交流快捷的同时，电子邮件的存在和泛滥也给人们