欢迎来到天天文库
浏览记录
ID:34632142
大小:7.01 MB
页数:61页
时间:2019-03-08
《基于决策粗糙集的个性化邮件过滤方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号至里3窆!UDC硕士学位论文基于决策粗糙集的个性化邮件过滤方法陆春芽学科专业笪理型堂皇王猩指导教师昌题进数援论文答辩日期2Q丛.05.25学位授予日期上幽.i.Ⅱ广西大学学位论文原创性和使用授权声明本人声明所呈交的论文,是本人在导师的指导下独立进行研究所取得的研究成果。除已特别加以标注和致谢的地方外,论文不包含任何其他个人或集体已经发表或撰写的研究成果,也不包含本人或他人为获得广西大学或其它单位的学位而使用过的材料。与我一同工作的同事对本论文的研究工作所做的贡献均已在论文中作了明确说明。本人在导师指导下所完成的学位论文及相关的职务作品,知识产权归属广西大学。本人授
2、权广西大学拥有学位论文的部分使用权,即:学校有权保存并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数据库进行检索和传播,可以采用影印、缩印或其它复制手段保存、汇编学位论文。本学位论文属于:口保密,在年解密后适用授权。砾保密。(请在以上相应方框内打“4”)论文作者签名:协秀豸日期:劲I;.易·侈指导教师签名:\是怒起型一一川期:切I弓.f017,作者联系电话:15296500496电子邮箱:chunyalu66@163.tom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、
3、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
4、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.关键词:决策粗糙集个性化邮件过滤损失值特征词分类条件概率向量空间模型PERSONALIZEDSPzUⅥFⅡ月ERⅢGM[ETHODBASEDONDECISION.T咖oRETICRoUGHSETABSTRACTWiththerapiddevelopmentofnetworktechnolo
5、gy,E-mailgetsrapidpopularizationbecauseofitseconomic,convenientandfast.Atthesametime,wearelivinginaneraofdiversity.Theindependence,variabilityanddiversityofpeople’Sthoughtsareincreasinglyprominent.Therefore,personalizationisthedevelopmenttrendofE-mailtechnologyinthefuture.Atpresent,thest
6、udyofpersonalizedE-mailfilteringtechnologyisless.Thispaperapplymulti-viewdecisionmodelbasedondecision-theoreticroughset(DTRS)tothepersonalizationofspamfiltering.Theusersdeterminethelossvalueaccordingtotheirownriskpreference,andtheE-mailserverclassifiestheE.mailbaseonthelossvalue.Themainw
7、orkinthispaperissummarizedasfollows:Firstly,correctthevaluerangeofaparameterintheexistingmulti-viewdecisionmodel,andfurthercompletethecontentofthismodel.Secondly,aimingatthecalculationproblemoftheconditionalprobabilityofclassification,thispaperproposesanewestimationmethod
此文档下载收益归作者所有