用于垃圾邮件识别的词频－筛混合特征选择方法.PDFVIP

( 然科学版) 华南理工大学学报 自 45 3 Vol． 45 No． 3 第 卷 第 期 Journal of South China University of Technology 2017 3 (Natural Science Edition) March 2017 年 月 文章编号:1000-565X (2017)03-0082-07 “ － ” * 用于垃圾邮件识别的 词频 筛 混合特征选择方法 陈俊颖 周顺风 闵华清 ( ， 510006) 华南理工大学软件学院∥广州市机器人软件及复杂信息处理重点实验室 广东广州 : ， 摘 要 文中针对当下愈发泛滥的垃圾邮件 分别使用朴素贝叶斯分类和支持向量机分 、 ， “ － ” 类法对当前日益泛滥的垃圾邮件进行识别 分类 将 词频 筛 混合特征选择方法应用 ， ． ， ， 于分类器模型中 以提高分类器的识别性能 同时 通过考虑更全面的分类概率情况 改进 ， ． 朴素贝叶斯分类模型 进一步提升朴素贝叶斯分类器的识别性能 最后通过实验得到了该 、 F ． ，“ 垃圾邮件识别系统的准确率 召回率和 1 值等分类识别性能指标 实验结果表明 词 － ” ， 频 筛 混合特征选择方法能有效提高垃圾邮件分类器的识别性能 而且使用成本敏感 ， ， 方法的分类输出调节模块也能大大降低分类器将正常邮件误判为垃圾邮件的概率 因此 ， 、 ． 文中设计的垃圾邮件识别系统具有较强的实用性 可以在实际工作 生活中使用 : ; ; ; 关键词 垃圾邮件识别 混合特征选择方法 朴素贝叶斯 支持向量机 中图分类号:TP391. 43 doi :10． 3969 /j． issn． 1000-565X． 2017． 03． 012 2015 12 ， 6. 88 ［1］． ， 截至 年 月 中国网民数量已达 亿 素贝叶斯分类模型进行优化 考虑更全面的分类概 互联网服务渗 ， 透进人们日常生活的方方面面 其中 ．