隨著互聯(lián)網(wǎng)相關應用的快速發(fā)展,廣告技術的進步和電子郵件的普及,越來越多的垃圾郵件充斥著我們的生活。如何高效的區(qū)分垃圾郵件的研究也逐漸成為了熱門課題。因自然語言在結構上有著很強的前后相關性,而且對于中文郵件直接轉化成向量會有過高的維度產(chǎn)生,影響最后分類的準確性。基于內(nèi)容和基于電子郵件源的識別技術現(xiàn)在是常用的兩種垃圾郵件過濾方法。例如貝葉斯模型文本識別等就是基于內(nèi)容的識別技術。白名單與黑名單機制、關鍵詞匹配的是基于郵件來源的技術。電子郵件的數(shù)量增加可觀、樣式層出不窮,基于規(guī)則的方法不僅需要對郵件特征規(guī)則庫進行不斷的更新,同時還需要大量的人力。基于內(nèi)容的方法當前已經(jīng)取得令人可喜的成效,但隨著科技的發(fā)展,現(xiàn)在垃圾郵件的制造者們開始大量的使用圖像垃圾郵件,然后肆意的進行傳播。這種方式的垃圾郵件更加難以檢測且消耗的網(wǎng)絡寬帶也更大。論文主要分析總結當前常用的垃圾郵件的過濾方法,選擇基于深度學習的分類算法作為本文研究的重點,建立垃圾郵件過濾模型。這之中具體工作以及貢獻包括如下:1.本章設計了一種基于Skip-gram的CNNs-Highway郵件過濾模型(SGCH)。由于以前的詞表示方法主要是獨熱編碼...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

圖2.1郵件發(fā)送完整過程

圖2.1郵件發(fā)送完整過程圖中的發(fā)送方發(fā)出的一封郵件，需要經(jīng)過MUA(MailUserAgent,郵件用戶代理)。我們使用的郵件客戶端軟件（如Foxmail和OutlookExpress）屬于MUA，可以幫助用戶讀取和寫入文件。用戶郵件完成后，MUA將郵件發(fā)送到....

圖2.2文本分類的一般過程

圖2.2文本分類的一般過程2.3文本預處理本小節(jié)重點介紹了文本的預處理方法，它主要為后面的向量化和特征提取做準備，所以預處理的過程，也直接影響到后面特征提取的好壞。它主要包括去噪、分詞、去停用詞等過程。2.3.1非法字符的過濾非法字符的過濾是文本分類中的一個重要的步驟，因....

圖2.3決策樹示例

圖2.3決策樹示例個簡單的分類決策樹，通過判斷雷暴，雪，溫度指標來判斷是否思路，包括葉子節(jié)點和根節(jié)點，如圖2.3所示，是否走出相應的決每個節(jié)點屬性的劃分，從雷暴開始，接著是大雪，溫度，每個判見的決策樹的核心算法是ID3[27]和C4.5[28]。ID3算法劃分特征為....

圖2.4SVM分類模型

性a里的離散值數(shù)目的增多而變大。決策樹算法比夠觀察數(shù)據(jù)的分布，但是它不穩(wěn)定，對數(shù)據(jù)較為敏而發(fā)生改變。以用于處理二分類的有監(jiān)督問題，后來再加入了核方用于多目標分類問題上。轉化為凸二次規(guī)劃過程，通過求解基于凸二次規(guī)劃思想可歸納如下：在樣本中找到可以分離樣本類別分區(qū)間隔最大化。支持....

本文編號：3962273