發(fā)布時(shí)間：2020-05-20 15:37

【摘要】：互聯(lián)網(wǎng)技術(shù)飛速的發(fā)展,電子郵件作為互聯(lián)網(wǎng)技術(shù)應(yīng)用最廣的服務(wù)之一,為人們的工作與生活帶來(lái)了更加便捷的溝通與交流方式。與此同時(shí),未經(jīng)請(qǐng)求的大量垃圾郵件,充斥著人們的電子郵箱,不僅消耗大量的公共資源,而且給人們帶來(lái)許多有害信息。中文垃圾郵件的文本向量表示以及分類識(shí)別是建立郵件過(guò)濾系統(tǒng)的關(guān)鍵,然而由于中文郵件的數(shù)據(jù)維數(shù)高且稀疏的問(wèn)題,使得建立垃圾郵件的過(guò)濾模型變得十分困難。隨著深度學(xué)習(xí)近年來(lái)在自然語(yǔ)言處理方面取得的較大突破,為垃圾郵件在此領(lǐng)域的應(yīng)用帶來(lái)了希望。本文系統(tǒng)地分析垃圾郵件的定義和危害、常用的垃圾郵件過(guò)濾技術(shù)以及深度學(xué)習(xí)在文本分類中的研究現(xiàn)狀,重點(diǎn)介紹了文本的表示方法和一些常用的文本分類方法。在深入總結(jié)和借鑒目前研究垃圾郵件的相關(guān)成果及方法的基礎(chǔ)上,針對(duì)郵件文本向量表示和分類器上存在的缺陷,提出了相關(guān)的一些改進(jìn)方法,并取得了有效的成果。主要的研究?jī)?nèi)容如下:針對(duì)傳統(tǒng)文本特征表示不充分導(dǎo)致文本的內(nèi)容信息丟失的問(wèn)題,通過(guò)結(jié)合TFIDF加權(quán)算法和深度表示W(wǎng)ord2vec模型的文本分布式特征,提出了基于加權(quán)分布式特征的中文垃圾郵件分類方法,采用TF-IDF算法計(jì)算文本特征詞語(yǔ)的權(quán)值,再將其引入Word2vec模型獲得的詞向量上,該方法有效地增強(qiáng)了文本分布式特征的表示,在此基礎(chǔ)上使用基于粒子群優(yōu)化的支持向量機(jī)建立中文垃圾郵件分類模型。實(shí)驗(yàn)結(jié)果表明該方法不但能更好地表示文本向量,并且有效提高了中文垃圾郵件的準(zhǔn)確識(shí)別率。針對(duì)卷積神經(jīng)網(wǎng)絡(luò)參數(shù)較多且僅依靠經(jīng)驗(yàn)選取的問(wèn)題,提出一種將混沌粒子群算法用于優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的卷積核、權(quán)值等相關(guān)網(wǎng)絡(luò)參數(shù)的方法,本文所提方法使得網(wǎng)絡(luò)自動(dòng)尋找最優(yōu)參數(shù)組合,同時(shí),引入的混沌序列可幫助粒子群算法在尋優(yōu)過(guò)程中逃離局部最優(yōu),且通過(guò)有限次迭代能夠快速收斂并獲得全局最優(yōu)解。將所提方法應(yīng)用于中文垃圾郵件數(shù)據(jù)集上進(jìn)行分類識(shí)別,實(shí)驗(yàn)結(jié)果表明,相較于其他方法該分類模型取得了更為精準(zhǔn)的分類效果。
【圖文】：

圖 2.2 CBOW 和 Skip-gram 模型W 和 Skip-gram 模型主要有兩套框架，，分別為基于 HierarchicalSoftmSampling 來(lái)進(jìn)行設(shè)計(jì)的。本文主要采取的是基于 NegativeSampling（架下的模型，相比于 Hierarchical Softmax 結(jié)構(gòu)，NEG 通過(guò)隨機(jī)負(fù)采了哈弗曼樹，能大幅度提高詞向量的訓(xùn)練速度及詞向量的質(zhì)量。采樣算法一個(gè)詞典D，對(duì)于詞典中的語(yǔ)料詞c出現(xiàn)的頻率次數(shù)不同，對(duì)于出現(xiàn)料詞被選作負(fù)樣本的概率就會(huì)越大，反之亦然。因此，采樣的過(guò)程實(shí)采樣機(jī)理。設(shè)詞典D中的每個(gè)詞w對(duì)應(yīng)一段線段，其長(zhǎng)度歸一化表示( )( )( )u Dcounter wlen wcounter u∈= ounter ( )為語(yǔ)料詞c在詞典中出現(xiàn)的次數(shù)。若將此線段首尾相連，構(gòu)

并且通常情況下都是依靠以往經(jīng)驗(yàn)來(lái)進(jìn)行確定的，所以具有較差能力。人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)模型按拓?fù)浣Y(jié)構(gòu)可分為前向網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)兩種形式前向網(wǎng)絡(luò)的模型結(jié)構(gòu)主要包含自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)、單層及多層感知器和 B絡(luò)模型主要從上一層神經(jīng)元中獲取到輸入信號(hào)，然后傳遞到下一層網(wǎng)絡(luò)結(jié)行輸出，各級(jí)神經(jīng)元網(wǎng)絡(luò)層次間并無(wú)反饋信息，圖形模式采用有方向卻無(wú)環(huán)示進(jìn)行表示。前向網(wǎng)絡(luò)的信息處理主要通過(guò)簡(jiǎn)單非線性函數(shù)的多次復(fù)合來(lái)圖 2.3 為前向網(wǎng)絡(luò)圖，網(wǎng)絡(luò)結(jié)構(gòu)具有易于實(shí)現(xiàn)、結(jié)構(gòu)構(gòu)架簡(jiǎn)單的特點(diǎn)。
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP183;TP393.098;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 李艷濤;馮偉森;;堆疊去噪自編碼器在垃圾郵件過(guò)濾中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2015年11期

2 趙志剛;張純杰;茍向鋒;�；⑻�;;基于粒子群優(yōu)化支持向量機(jī)的太陽(yáng)電池溫度預(yù)測(cè)[J];物理學(xué)報(bào);2015年08期

3 魏強(qiáng);金芝;許焱;;基于概率主題模型的物聯(lián)網(wǎng)服務(wù)發(fā)現(xiàn)[J];軟件學(xué)報(bào);2014年08期

4 郭明瑋;趙宇宙;項(xiàng)俊平;張陳斌;陳宗海;;基于支持向量機(jī)的目標(biāo)檢測(cè)算法綜述[J];控制與決策;2014年02期

5 栗志意;張衛(wèi)強(qiáng);何亮;劉加;;基于核函數(shù)的IVEC-SVM說(shuō)話人識(shí)別系統(tǒng)研究[J];自動(dòng)化學(xué)報(bào);2014年04期

6 崔霞;朱思峰;;垃圾郵件及反垃圾郵件技術(shù)研究[J];信息安全與通信保密;2006年09期

相關(guān)博士學(xué)位論文 前2條

1 劉振軍;結(jié)構(gòu)全局優(yōu)化設(shè)計(jì)的混沌優(yōu)化算法研究[D];大連理工大學(xué);2016年

2 劉楊;混沌偽隨機(jī)序列算法及圖像加密技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前4條

1 楊凱艷;基于改進(jìn)的TFIDF關(guān)鍵詞自動(dòng)提取算法研究[D];湘潭大學(xué);2015年

2 張賢龍;基于支持向量機(jī)和稀疏技術(shù)的中文垃圾郵件分類研究[D];華東交通大學(xué);2013年

3 史晶;基于粗糙集和貝葉斯算法的郵件過(guò)濾系統(tǒng)的研究與應(yīng)用[D];電子科技大學(xué);2011年

4 劉芬;基于內(nèi)容的圖像垃圾郵件過(guò)濾技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

本文編號(hào)：2672833