基于改進(jìn)SVM模型的中文郵件過(guò)濾系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、我國(guó)已經(jīng)成為第二大垃圾郵件受害國(guó)，垃圾郵件的泛濫對(duì)網(wǎng)絡(luò)安全、個(gè)人生活以及整個(gè)社會(huì)帶來(lái)嚴(yán)重危害，因此研究垃圾郵件問(wèn)題具有重大意義。 郵件過(guò)濾技術(shù)是反垃圾郵件的重要手段，目前流行的垃圾郵件過(guò)濾技術(shù)包括黑白名單技術(shù)、基于規(guī)則的過(guò)濾以及基于內(nèi)容的過(guò)濾技術(shù)等。由于垃圾郵件的特征不斷變換，黑白名單和規(guī)則過(guò)濾方法都有一定局限性?；趦?nèi)容的過(guò)濾方法從郵件正文出發(fā)，通過(guò)對(duì)郵件正文的特征分析來(lái)判別垃圾郵件。內(nèi)容過(guò)濾方法往往是利用文本分類(lèi)技術(shù)，主要有

2、樸素貝葉斯算法、k 近鄰算法、支持向量機(jī)算法等。然而k近鄰算法當(dāng)訓(xùn)練集規(guī)模較大時(shí)其效率難以保證，而樸素貝葉斯算法建立在獨(dú)立性假設(shè)基礎(chǔ)之上，因此貝葉斯算法的準(zhǔn)確率也受到限制。 本文重點(diǎn)討論了支持向量機(jī)算法的優(yōu)點(diǎn)，指出支持向量機(jī)在郵件過(guò)濾方面所存在的不足，即訓(xùn)練階段不同類(lèi)別樣本交疊所帶來(lái)的分類(lèi)面過(guò)于復(fù)雜的問(wèn)題，以及分類(lèi)階段處于分類(lèi)面之內(nèi)的樣本分類(lèi)結(jié)果可靠性較低的問(wèn)題。通過(guò)在訓(xùn)練階段對(duì)樣本集使用最近鄰算法進(jìn)行裁減，以及在實(shí)時(shí)分類(lèi)階段采

3、用支持向量機(jī)和 k 近鄰算法相結(jié)合的分類(lèi)方法，使得支持向量機(jī)在郵件過(guò)濾方面有更好的準(zhǔn)確率。實(shí)驗(yàn)表明，改進(jìn)后的模型對(duì)垃圾郵件有較高的識(shí)別率。 利用改進(jìn)的支持向量機(jī)算法模型，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)中文垃圾郵件過(guò)濾系統(tǒng)。該系統(tǒng)結(jié)合了一種較好的中文分詞技術(shù)，使用LIBSVM作為支持向量機(jī)開(kāi)發(fā)工具，在訓(xùn)練階段對(duì)樣本集進(jìn)行最近鄰裁減，降低支持向量機(jī)分類(lèi)面的劃分難度；在測(cè)試和實(shí)時(shí)分類(lèi)階段，使用支持向量機(jī)和k近鄰算法相結(jié)合的方法進(jìn)行分類(lèi)，提高支持