本文關(guān)鍵詞：基于Scikit-Learn的垃圾短信過濾方法實證研究，由筆耕文化傳播整理發(fā)布。

【摘要】：文章為有效應(yīng)對垃圾短信,在短信數(shù)據(jù)集"SMS Spam Collection"上,以Scikit-Learn為工具,通過實驗對比驗證,結(jié)果表明,在比較的7種垃圾短信過濾統(tǒng)計學習方法中,樸素貝葉斯和支持向量機方法在判別準確率方面明顯優(yōu)于其他方法,這2種方法可以作為其他方法用以比較的基準測試方法.
【作者單位】： 淮北師范大學計算機科學與技術(shù)學院;河海大學計算機與信息學院;
【關(guān)鍵詞】： 垃圾短信 Scikit-Learn 分類 樸素貝葉斯法 支持向量機
【基金】：安徽省高校自然科學重點項目(KJ2015A315,KJ2013A229) 安徽省自然科學基金項目(1408085MF130) 淮北師范大學青年科研項目(2013xqz06)
【分類號】：TP181
【正文快照】： 0引言在移動手機高度普及的今天,垃圾短信泛濫成災(zāi).手機用戶的短信箱被五花八門的垃圾短信充斥著.據(jù)百度手機衛(wèi)士《2015上半年中國移動互聯(lián)網(wǎng)安全報告》顯示,截至2015年6月,全國垃圾短信的總量為199億條,每月人均接收垃圾短信7條.不得不說垃圾短信已經(jīng)嚴重侵擾到了手機用戶的

  本文關(guān)鍵詞：基于Scikit-Learn的垃圾短信過濾方法實證研究，，由筆耕文化傳播整理發(fā)布。

本文編號：431337