基于Winnow的中文邮件分类器的设计.pdfVIP

第12A期 电 子 学 报 V01．33No．12A 2005年12月 A(1．AELECTRoNICASINICA Dec．2005 基于Winnow的中文邮件分类器的设计 朱巧明1”，周志军1，李培峰1 (1．苏州大学计算机科学与技术学院，江苏苏州215006；2．江苏省计算机信息处理技术重点实验室，江苏苏州215006) 摘要：本文首先通过建立实验用中文邮件语料库，提出了用Winnow算法实现邮件分类器，并讨论了其 特点．然后，文章提出了通过建立分类规则库改善邮件分类器的分类效果．实验证明，该方法能有效提高邮件分类 的可信度． 关键词： Winnow；中文邮件分类；中文邮件语料库；分类器 中图分类号：TP391．1文献标识码： A oftheChineseMailClassifierBasedonWinnow Design ZHU Qiao—min91，_，ZHOUZhi-junl，LIPei—fen91 and (1．SchoolofComputerScienceTechnologyofS∞chow 215006，C／ffnu； University，Suzhou，Jiangsu 2．KeyLaboratoryofComputerInformationProcessingTechnologyofJiangsu，Suzhou，Jiangsu215006，Chma) article forwardtouseWinnow torealizetheChinesemailclassifieraftereS- Abstract：The firstlyputs algorithm mail discussesitsfeatures．Inorderto theeffectofthe Chinese tablishingexperimental corpus，then improve classifier， thearticle forwardthemethodof themail rule toenhancethe ofthe brings constructingclassifyinglibrary performance mailclassifier．Itwas thatthe methodwouldadvancethe oftheclassifier proved hybrid reliability effectively． mail mail Keywords：Winnow；Chinesecategorization；Chinesecorpus；classifier 1 引言 随着信息技术的快速发展，电子邮件已成为人们生活 中快速、便捷的重要通信手段之一．然而，在电子邮件的应 邮件，共1099封；为了保护隐私，邮件中的每个词汇用唯 用中，经常会遇到不请自来的广告或垃圾信息，也经常会 一的整数来代替，并且不公开这种对应关系；邮件中的附 面对大量的工作邮件不知如何来区分其轻重缓急． 件、I-ITML标记都被剔除了，收到的相同垃圾邮件只保留 纵观邮件分类研究领域，人们的大多数的研究是基于 一个副本；另外，整个邮件语料分成数量基本相等的10 英文语料进行的；