基于套索（Lasso）的中文垃圾邮件过滤

• 作者: 刘遵雄 张贤龙 徐征
• 来源期刊: 华东交通大学学报
• 学科: 工学
• 关键词: 中文文本邮件 垃圾邮件 过滤 Lasso 逻辑回归
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 学科交叉
• 页码范围: 130-135
• 页数: 6页
• 分类号: TP391
• 字数: 3547字
• 语种: 中文

摘要

使用向量空间模型表示的文本邮件数据高维而稀疏，不利于邮件过滤分类模型的建立，通常需在分类器训练前进行维数约减。Lasso回归是一种基于l1正则化的多元线性模型，其在模型参数估计的同时实现了变量选择。提出使用Lasso回归进行垃圾邮件过滤，建立Lasso回归邮件分类模型、Lasso回归词条选择结合逻辑回归的分类模型，结合中文文本垃圾邮件数据集TREC06C进行垃圾邮件过滤实验。实验结果表明Lasso回归词条选择结合逻辑回归的邮件分类模型性能更佳。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘遵雄	华东交通大学信息工程学院	59	330	10.0	15.0
2	徐征	华东交通大学电气与电子工程学院	19	115	6.0	10.0
3	张贤龙	华东交通大学信息工程学院	1	1	1.0	1.0