基于朴素贝叶斯的垃圾短信分类器与特征选择.docxVIP

PAGE2

基于朴素贝叶斯的垃圾短信分类器与特征选择

摘要

随着移动通信的普及，垃圾短信泛滥已成为影响用户体验和信息安全的突出问题。传统的规则过滤方法难以应对短信内容的快速变化，基于机器学习的自动分类技术成为主流解决方案。本课题设计并实现了一个基于朴素贝叶斯的垃圾短信分类器，通过提取词袋特征、计算条件概率，实现对正常短信和垃圾短信的自动判别，并使用F1分数对分类性能进行综合评估。

全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。首先，分析垃圾短信过滤的现实需求，明确分类器的功能与非功能指标；其次，在相关技术部分阐述朴素贝叶斯分类原理与词袋模型，并论证技术选型；接着，在需求分析中定义数据预处理、模型训练、分类预测和性能评估等核心功能；总体设计部分给出系统架构与模块划分，详细设计部分深入描述特征提取、概率计算与分类决策的算法流程；实现部分展示核心代码与运行效果，测试部分通过功能测试和性能测试验证分类器在UCISMSSpamCollection数据集上的准确率、召回率和F1分数；最后，总结成果与不足，展望未来改进方向。本设计的核心特色在于将特征选择与朴素贝叶斯分类相结合，通过卡方检验筛选高区分度词汇，在保证分类精度的同时降低了模型复杂度，为轻量级垃圾短信过滤提供了可参考的实现方案。

第一章绪论

1.1研究背景

手机短信作为最基础的移动通信服务之一，在身