模糊决策树算法在邮件分类中的应用

电子邮件是人们交流的主要方式之一,但垃圾邮件的泛滥给使用者带来了很大的困扰。鉴于传统过滤技术的缺点,本文采用性能更优的Fuzzy-ID3方法对邮件进行分析,通过提取邮件的特征信息、数据预处理等步骤,得到一棵修剪后的模糊决策树,并转换为的邮件分类规则,使用这些规则可以提高邮件分类的准确性及效率。     

基于邮件社区的垃圾邮件发现方法

充分考虑了邮件通信网络中社区的性质,并在此基础上提出了一种垃圾邮件发现方法.首先,该方法根据邮件通信行为特征区别垃圾邮件与非垃圾邮件,避免了对邮件正文的操作,在某种程度上保护了用户隐私;其次,该方法可作为现有垃圾邮件处理引擎的补充,组合现有方法提高垃圾邮件处理准确度;最后,为垃圾邮件处理的研究提供了一种新的思路,对于保护邮件机密信息、净化邮件通信环境有十分重要的意义.     

垃圾短信分类方式的探讨

分析了垃圾短信的特点、形成原因和危害,探讨了过滤垃圾短信的分类方法,指出开发出更加有效的分类方法是目前研究者工作的重点。     

在线参考咨询服务中反垃圾邮件技术的应用

电子邮件是在线参考咨询服务中广泛采用的工具，但垃圾邮件的泛滥严重干扰了咨询工作的正常进行，如何应用反垃圾邮件技术成为重要课题。本详细论述了在线参考咨询服务中应用反垃圾邮件技术的方法。     

基于特征提取的垃圾邮件检测

垃圾邮件处理作为一种典型的文本分类应用问题,受到高维数据的困扰。为提高垃圾邮件检测的效率和准确率,提出一种基于PLS特征提取和SVM的入侵检测算法,首先对原始垃圾邮件数据利用偏最小二乘算法降低维度,再采用遗传算法寻优转换特征子集,并通过支持向量机SVM进行分类。 Matlab仿真实验表明,本算法能有效降低数据维数,提高检测的准确率。     

网上内容过滤技术的现状及存在的问题

对网上内容过滤技术、软件产品的发展现状、前景及面临的问题进行较全面的阐述。     

防垃圾邮件方法探讨

垃圾邮件是互联网上的一大公害.针对垃圾邮件,服务商采取了一些措施,但屡禁不止.作为邮件用户,提出在客户端防止垃圾邮件的多种方法,使用户少受或不受垃圾邮件的骚扰.     

垃圾邮件过滤技术研究

首先本文分析了垃圾邮件泛滥状况及原因,然后分析了现今被广泛使用的反垃圾邮件过滤技术,通过综合运用了基于IP过滤、Hash过滤以及基于关键字过滤技术等的优点,提出了一种基于向量空间模型及改进贝叶斯算法的垃圾邮件过滤系统,最后对未来反垃圾邮件过滤技术提出了展望．     

改进型贝叶斯算法网络垃圾邮件信息过滤技术

针对传统的朴素贝叶斯算法对垃圾邮件的过滤率不高等问题,提出了一种基于最小风险贝叶斯网络垃圾邮件信息过滤技术,提出的最小风险贝叶斯能够减少正常邮件判为垃圾邮件的风险,最后实验表明,与传统的算法相比较,本文提出的方法过滤效果有较大的提高。     

基于特征表现的虚假评论人预测研究

[目的/意义]重点探讨基于特征表现的虚假评论人的预测,目的在于揭示真实网络环境中"网络水军"的特点和行为规律,构建一个简洁清晰、可解释的评论人身份预测模型,为深层次的评论挖掘研究奠定基础。[方法/过程]结合实证分析和机器学习技术,对目标网站"大众点评网"的内部评价机制进行探索,利用因子分析提炼评论人属性及行为表现特征,并在此基础上构建基于Logistic回归的预测模型。[结果/结论]对于目标网站,模型对虚假评论人的分类预测精度达到73.8%,AUC指标达到80.9%。而评论人的贡献度、活跃度以及文字素养被验证与其身份有统计意义上的显著关系,但评论人的层级、情绪以及评价偏差则对其身份预测的影响不显著。实验结论和经验分析基本保持一致,模型能够被合理解释。