基于贝叶斯过滤的文本分类技术的研究与实现-软件工程专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。据我所知，除了文中特别加以标注和致 谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果， 也不包含为获得电子科技大学或其它教育机构的学位或证书而使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已 在论文中作了明确的说明并表示谢意。 签名： 纪繁芳 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位 论文的规定，有权保留并向国家有关部门或机构送交论文的复印 件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以 将学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 万方数据 万方数据 摘要 摘 要 随着互联网的发展，电子邮件已经成为信息社会的一个重要通讯交流工具。 但是垃圾邮件的产生及其日趋泛滥，霸占了互联网与服务器的空间和时间资源， 消耗了很多宽带的信息流量并影响了用户的工作效率。因此，研究反垃圾邮件问 题已经成为全球性具有重大意义的课题。 目前，人们针对垃圾邮件的处理方法和手段是通过反垃圾邮件立法和邮件过 滤技术，虽然已有多种邮件过滤技术，但对于内容的过滤才是解决垃圾邮件问题 的根本。基于规则的方法和基于概率统计的方法成为垃圾邮件内容过滤的主要方 法，其中基于贝叶斯算法的垃圾邮件过滤模型是最为典型的。 本文对中文垃圾邮件的特点进行了系统的分析和研究，结合贝叶斯理论，构 造基于贝叶斯分类的垃圾邮件过滤模型。其中，在特征提取方面，采用计算语言 学模型分析的常用方法互信息；在分类方法上，本文采用基于朴素的贝叶斯改 进算法,最后通过大量的实验验证了本文方法的有效性。 关键字： 电子邮件 垃圾邮件 邮件过滤 文本分类 贝叶斯 I ABSTRACT ABSTRACT With the rapid development of the Internet, E-mail has become one of the important tools for communication. However, junk mails are flooding and occupying a lot of resource in Internet, they are consuming a lot of bandwidth of information flow and influence the users work efficiency. Therefore, the problem of spam has become a significant global issue. Currently, people prevent spam by anti-spam legislation and mail filter technologies, although there are a variety e-mail filtering technology, but we believe that filter spam by its semantic or content is the essential way. Rule-based or probability and statistics based methods are the main way to filter spam according to the mail content. Bayesian model is the typical one. In this thesis, according to the characteristics of spam, we carried out a systematic research. Based on Bayesian theory, we proposed an improved Bayesian spam filtering model. This model extract text features by computational linguistics methodsmutual information; then classify mails by improved Bayesian methods, finally we present our experiments and the result. Keywords: Email, Junk Mail, Mail Filter, Text Class