基于多层grams的在线支持向量机的中文垃圾邮件过滤

摘要

该文提出一种多层grams特征抽取方法来提升基于在线支持向量模型的垃圾邮件过滤器.基于在线支持向量机模型的垃圾邮件过滤器在大规模垃圾邮件数据集已取得了很好的过滤效果,但与逻辑回归模型相比,计算性能的耗时是巨大的,很难被工业界所运用.该文提出的多层grams特征抽取方法能够有效减少特征数,抽取更精准有效的特征,大幅降低模型的运行时间,同时提升过滤器的过滤效果.实验表明,该方法使得在线支持向量机模型的运行时间从10337s减少到3784s,同时模型(1-ROCA)％降低了一半.