基于Skip-gram的CNNs文本邮件分类模型

• 作者: 吴飞 荆晓远 董西伟 黄鹤
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 自然语言处理 词嵌入 邮件分类 卷积神经网络 深度学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 应用开发研究
• 页码范围: 143-147
• 页数: 5页
• 分类号: TP391
• 字数: 4570字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.06.030

摘要

随着互联网广告技术的发展和电子邮件的普及,越来越多的垃圾广告邮件充斥生活,而对如何高效区分垃圾邮件的研究也逐渐成为了热门课题.自然语言在结构上具有很强的前后相关性,而且对于中文邮件直接转化成向量会有过高的维度产生,影响最后分类的准确性.对此,首先对邮件文本进行分词,再利用skip-gram模型训练出数据集中每个词的word embedding,引入的词嵌入(word embedding)是为了将邮件文本转化成低维度特征向量;然后将每个词的word embedding组合为二维特征矩阵作为网络的输入,此外在每一次的迭代过程中,输入特征也作为参数进行更新;最后送入提出的CNN-HIGHWAY混合模型中进行邮件分类.将该混合模型在CCERT中文邮件样本集上进行实验,并与传统的机器学习方法和标准的卷积神经网络模型进行对比,结果表明该模型不仅解决了维度过高的问题,而且提高了邮件分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆晓远	南京邮电大学自动化学院	52	99	5.0	6.0
2	吴飞	南京邮电大学自动化学院	33	90	5.0	7.0
3	董西伟	南京邮电大学自动化学院	16	38	3.0	4.0
4	黄鹤	南京邮电大学计算机学院	1	2	1.0	1.0