基于深度Q网络的垃圾邮件文本分类方法

• 作者: 冯仁君 景栋盛 薛劲松
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 电子邮件 深度Q网络 Word2vec模型 文本分类
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 自然语言处理
• 页码范围: 89-94
• 页数: 6页
• 分类号: TP393
• 字数: 5873字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.06.014

摘要

电子邮件广泛应用于人们的工作生活中.然而,充斥着虚假信息、恶意软件和营销广告等内容的垃圾邮件也以电子邮件为载体进行传播.这不仅给人们带来不便,而且也占用和耗费大量的网络资源,甚至严重地威胁信息安全.因此,有效地识别、过滤垃圾邮件是一项重要的工作.目前,垃圾邮件过滤方法主要包括基于邮件来源的识别和基于内容的识别,但大部分方法效果不佳且效率不高,并且需要耗费大量的人力标注特征,也跟不上垃圾邮件内容和形式等的改变.近年来,有研究人员将深度强化学习用在自然语言处理上并取得了重大的成果,鉴于此,本文提出基于深度Q网络的垃圾邮件文本分类方法.该方法在对邮件文本进行预处理、分词以及用Word2vec模型得到词向量的基础上用深度Q网络对垃圾邮件进行过滤,充分利用Word2vec中的CBOW模型得到邮件文本中的每个分词对应的词向量,直接用深度Q网络对得到的词向量集进行处理,无需提取邮件的特征,避免了由于特征提取的偏差带来的负面影响,提高了垃圾邮件过滤的效率和精确率.实验结果验证了本文方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛劲松		3	2	1.0	1.0
2	景栋盛		5	2	1.0	1.0
3	冯仁君		3	0	0.0	0.0