本文關(guān)鍵詞：基于用戶(hù)行為關(guān)系和內(nèi)容的郵件分類(lèi)算法的研究與實(shí)現(xiàn)

  更多相關(guān)文章： 郵件分類(lèi) 不平衡數(shù)據(jù)集 多層次分類(lèi)器 置信度 隨機(jī)森林 支持向量機(jī) 樸素貝葉斯

【摘要】：郵件在人類(lèi)通信上的地位越來(lái)越重要了,在給人們帶來(lái)便利的同時(shí),也使得人們不得不花費(fèi)大量時(shí)間來(lái)處理大量的郵件。隨著郵件的普及,人們?cè)谔幚磬]件上花費(fèi)的人力和財(cái)力就越來(lái)越多。因此構(gòu)造一種新的有效的郵件分類(lèi)算法就變得尤為迫切。本文研究的主要問(wèn)題是郵件分類(lèi),該問(wèn)題的重點(diǎn)在于訓(xùn)練數(shù)據(jù)集不平衡。不平衡數(shù)據(jù)分類(lèi)是最近幾年的比較熱門(mén)的問(wèn)題,所謂不平衡數(shù)據(jù)集是指不同類(lèi)別的數(shù)據(jù)在數(shù)量存在巨大的差距。不平衡數(shù)據(jù)集會(huì)導(dǎo)致在分類(lèi)過(guò)程中,分類(lèi)器偏向數(shù)量比較多的類(lèi)別。對(duì)于我們更想獲取的數(shù)量較少的類(lèi)別無(wú)法有效的識(shí)別。針對(duì)數(shù)據(jù)不平衡問(wèn)題,目前比較流行的解決方法有兩種:改變數(shù)據(jù)分布和調(diào)整分類(lèi)算法。本文結(jié)合這兩種方法,提出了一個(gè)多層次的分類(lèi)器算法,該算法結(jié)合郵件內(nèi)容和用戶(hù)行為關(guān)系。該算法通過(guò)一級(jí)級(jí)的過(guò)濾,不斷的降低樣本的不平衡性,最終在最后一級(jí)實(shí)現(xiàn)數(shù)據(jù)的相對(duì)平衡。另外,現(xiàn)在的郵件分類(lèi)算法一般是針對(duì)郵件內(nèi)容的,忽略了郵箱地址在郵件分類(lèi)中的作用,實(shí)際上,同一封郵件由不同的人發(fā)送給我們,由于發(fā)件人與收件人關(guān)系,這些郵件會(huì)被區(qū)別對(duì)待。因此在本文中,充分的考慮了郵箱地址對(duì)信息,結(jié)合用戶(hù)行為關(guān)系和內(nèi)容對(duì)郵件進(jìn)行分類(lèi)。在算法的實(shí)現(xiàn)過(guò)程中,使用了很多傳統(tǒng)的機(jī)器學(xué)習(xí)的分類(lèi)算法,比如樸素貝葉斯、支持向量機(jī),隨機(jī)森林等算法。利用郵箱地址對(duì)訓(xùn)練生成的分類(lèi)器模型,結(jié)合生成基于郵件內(nèi)容的多層次郵件分類(lèi)器實(shí)現(xiàn)了對(duì)不平衡郵件的分類(lèi),并且取得了相對(duì)較好的效果。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP393.098

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 Xue Yang;Lan Sun;Ji Xiong;Ping Zhou;Hong-yuan Fan;Jian-yong Liu;;Effect of aging temperature on the microstructures and mechanical properties of ZG12Cr9Mo1Co1NiVNbNB ferritic heat-resistant steel[J];International Journal of Minerals Metallurgy and Materials;2016年02期

2 王濤;裘國(guó)永;何聚厚;;新的基于最小風(fēng)險(xiǎn)的貝葉斯郵件過(guò)濾模型[J];計(jì)算機(jī)應(yīng)用研究;2008年04期

3 李維杰;徐勇;;簡(jiǎn)體中文垃圾郵件分類(lèi)的實(shí)驗(yàn)設(shè)計(jì)及對(duì)比研究[J];計(jì)算機(jī)工程與應(yīng)用;2007年25期

，

本文編號(hào)：1289830