基于改进的Porter Stemmer词干提取与核方法的垃圾邮件过滤算法

• 作者: 冯国灿 孙汉博
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 垃圾邮件 SVM 核方法 SMO算法 Porter Stemmer
• 年，卷（期）: 2017,（z1）
• 所属期刊栏目: 智能计算
• 页码范围: 61-67,79
• 页数: 8页
• 分类号: TP181
• 字数: 6364字
• 语种: 中文

摘要

统计学习方法现已大量应用于垃圾邮件识别,其中表现突出的包括贝叶斯过滤器、支持向量机等.近年来,为应对日益严重的垃圾邮件问题,提出诸多改进算法或创新思路.通过改进Porter Stemmer并使之适用于垃圾邮件过滤,从而充分提取文本的有效特征,摒弃冗余信息,加强了过滤效果;将改进方法的Porter Stemmer与原方法分别应用于线性核、高斯核、多项式核支持向量机以及员叶斯过滤器,对比实验结果可知,错误率分别下降了63.7％,63.1％,61.3％和11.4％,证明了改进方法的显著效果;另外,实验结果证明SVM过滤器显著优于贝叶斯过滤器,且能更大程度体现改进方法的优势;最后,给出多种定量评价和语义角度的分析,启发采用用户个性化定制的过滤器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯国灿	中山大学数学学院	42	224	9.0	11.0
2	孙汉博	中山大学数学学院	1	2	1.0	1.0