基于支持向量机的垃圾邮件过滤方法

• 作者: 姜维 王祖辉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 垃圾邮件过滤 支持向量机 领域术语抽取
• 年，卷（期）: 2009,（13）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 188-189,207
• 页数: 3页
• 分类号: TP393
• 字数: 2949字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.13.065

摘要

针对中英文混合垃圾邮件过滤问题,提出一种基于支持向量机(SVM)的过滤方法和融合多种分类特征的框架.通过改进SVM中线性核的表示方式,解决存储空间和计算最问题.通过领域术语自动抽取技术,增强垃圾邮件过滤的语义单元识别能力,提高垃圾邮件分类性能.在跨语言大规模语料库上的实验表明,采用SVM比采用Good-Turing算法平滑的朴素贝叶斯模型泛化性能提高了6.13%,分类精度比最大熵模型提高了8.18%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜维	哈尔滨工业大学信息管理与信息系统研究所	31	522	13.0	22.0
2	王祖辉	哈尔滨工业大学信息管理与信息系统研究所	5	77	5.0	5.0