声明
摘要
第一章绪论
1.1研究背景及意义
1.2主要研究内容及创新点
1.3论文的结构
第二章邮件文本分类方法
2.1文本分类简介
2.2文本预处理
2.2.1过滤非法字符
2.2.2分词
2.2.3去除停用词
2.2.4替换相关词
2.3词向量方法研究
2.3.1词袋模型
2.3.2 Hash Trick
2.3.3 Distributed Representation
2.3.4随机初始化
2.4邮件文本分类的模型
2.4.1朴素贝叶斯分类
2.4.2决策树
2.4.3支持向量机分类
2.4.4逻辑回归
2.4.5 FastText分类
2.4.6卷积神经网络
2.4.7循环神经网络
2.4.8 LSTM与GRU分类
2.5本章小结
第三章基于深度学习的邮件分类方法研究
3.1.1 Conv-BIGRU结构设计
3.1.2 Inception的改进
3.1.3改进Inception卷积结构与双向GRU的结合
3.1.4防止过拟合方法及激活函数选择
3.1.5模型训练
3.1.6 Embedding层特征扩展
3.1.7基于特征扩展的模型变种设计
3.2基于深度学习的Stacking模型设计
3.2.1集成学习方法
3.2.2 Stacking模型设计
3.2.3基于深度学习的Stacking模型改进
3.3本章小结
第四章邮件文本分类系统的实现与分析
4.1邮件文本系统概述
4.1.1邮件文本分类系统架构
4.1.2邮件文本分类系统框架
4.2文本数据处理分析
4.2.2数据预处理
4.3分类的评价标准
4.3.1分类的交叉验证
4.3.2分类的性能评估指标
4.4实验与结果分析
4.4.1实验设计
4.4.2实验环境
4.4.3实验结果分析
4.5本章小结
第五章总结与展望
5.1本文总结
5.2未来展望
参考文献
攻读硕士期间发表的论文及取得的研究成果
致谢