基于改进TFIDF算法的邮件分类技术

• 作者: 汤鲲 程光 陶峰
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 邮件分类 区分度 特征词 权值 特征提取
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 27-31
• 页数: 5页
• 分类号: TP391.1
• 字数: 4232字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.08.006

摘要

随着电子邮件的普及,垃圾邮件的泛滥问题也逐渐引起人们的关注,垃圾邮件分类技术的研究成为了近年来的热点课题.邮件特征选择会直接影响到分类的效率和精确度,使用TFIDF算法可以有效评估一个特征项对于邮件分类的重要程度.但在邮件分类中单纯使用TFIDF来判断一个特征是否有区分度还存在很多的不足:没有考虑到特征词在类间和类内的分布情况,低估了高频词的作用并高估了低频词的作用.对TFIDF算法进行修改,降低特例邮件中频繁出现的特征词的影响,引入了频率差,增加了在类中频繁出现的词条的权值,并减小了在类中出现频率小的词条的权值.最终将改进的TFIDF算法与传统特征提取算法进行对比.实验结果表明,改进算法可以选择出更合适的特征项集合,从而使邮件分类的效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程光	东南大学计算机科学与工程学院	59	1001	16.0	31.0
2	汤鲲		7	10	1.0	3.0
3	陶峰		1	8	1.0	1.0