基于决策粗糙集的个性化邮件过滤方法

摘要

随着网络技术的迅猛发展，电子邮件因为其经济、方便、快捷而得到了快速普及.同时，我们生活在一个多样化的时代，人们思想的独立性、多变性、差异性日益增强.因此，个性化是未来电子邮件技术发展的趋势.目前，针对个性化邮件过滤技术的研究较少.本文将决策粗糙集的风险偏好模型应用于个性化的垃圾邮件过滤中，由用户根据自身的风险偏好来确定损失值，邮件服务器根据损失值对邮件进行个性化分类.
　　 本文的主要工作如下:
　　 一、修改决策粗糙集的风险偏好模型在阈值参数取值范围上的错误，并进一步完善本模型的内容;
　　 二、针对分类条件概率的计算问题，提出一种新的基于向量空间模型的估计方法.考虑到了特征词的权重，使得模型更合理;
　　 三、从电子邮件用户的角度，提出一套损失值的取值标度，便于用户理解从而给出合意的损失值;
　　 四、提出基于决策粗糙集的个性化邮件过滤方法，服务器可根据三枝决策模型将邮件分成三类，也可根据二枝决策模型将邮件分成两类.实验结果表明，本文所提出的方法能体现用户的个性特征，并且根据三枝决策进行分类时，可减少邮件的误判率，提高分类精度.

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 垃圾邮件过滤技术研究现状

1．2．1 电子邮件的传输原理

1．2．2 电子邮件的结构

1．2．3 基于地址的过滤方法

1．2．4 基于内容的过滤方法

1．3 个性化过滤方法研究现状

1．4 基于粗糙集的垃圾邮件过滤技术研究现状

1．5 本文的主要工作及创新点

1．5．1 主要工作

1．5．2 创新点

1．6 本文的组织机构

第二章 粗糙集模型

2．1 信息系统和决策表

2．2 等价关系和等价类

2．3 上下近似

2．4 决策规则

2．5 粗糙隶属度

2．6 本章小结

第三章 决策粗糙集的风险偏好模型及其改进

3．1 决策粗糙集模型

3．2 决策粗糙集的风险偏好模型

3．3 改进的决策粗糙集风险偏好模型

3．5 估计P(X|[x]R)的值

3．5．1 基于信息系统的估计方法

3．5．2 基于规则的估计方法

3．5．3 基于向量空间模型的估计方法

3．6 本章小结

第四章 基于决策粗糙集的个性化邮件过滤方法

4．1 损失值的标度

4．1．1 λPN的取值标度

4．1．2 λNP的取值标度

4．1．3 σ的取值标度

4．2 特征项的选取及规则的产生

4．2．1 Ch_r简介

4．2．2 规则的形式

4．3 过滤方法的流程和步骤

4．4 本章小结

第五章 实验结果与分析

5．1 特征词的选取

5．2 特征词置信度的计算

5．3 估计邮件的P(X|x)值

5．4 确定阈值参数

5．5 实验结果

5．5．1 模型质量的评价体系

5．5．2 实验结果分析

5．5．3 实验结果对比

5．4 本章小结

结论与展望

本文工作的总结

今后工作的展望

参考文献

致谢

攻读硕士学位期间发表论文及科研情况