期刊文献+

基于短语的贝叶斯中文垃圾邮件过滤方法 被引量:10

Bayesian Chinese Spam Filtering Method Based on Phrases
下载PDF
导出
摘要 朴素贝叶斯算法在垃圾邮件过滤领域得到了广泛应用,该算法中,特征提取是一个必不可少的环节。过去针对中文的垃圾邮件过滤方法都以词作为文本的特征项单位进行提取,面对大规模的邮件训练样本,这种算法的时间效率会成为邮件过滤技术中的一个瓶颈。对此,提出一种基于短语的贝叶斯中文垃圾邮件过滤方法,在特征项提取阶段结合文本分类领域提出的新的短语分析方法,按照基本名词短语、基本动词短语、基本语义分析规则,以短语为单位进行提取。通过分别以词和短语为单位进行垃圾邮件过滤的对比测试实验证实了所提出方法的有效性。 Naive Bayesian has been widely used in the field of spam filtering, in which the feature extraction is one of the essential links in the algorithm. In the past, only words were used as text features for the extraction in the method of Chinese spare filtering. In face of large-scale email training samples, time efficiency of this algorithm will become a bot- tleneck of spare filtering technology. A Bayesian spare filtering algorithm based on phrases was proposed here which combines a new phrase analysis method put forward in text classification field. Phrases are extracted as the unit accor- ding to the rules of basic noun phrases, verb phrases and semantic analysis. Through comparison test experiment of spare filtering based on words and phrases as unit, the effectiveness of the proposed method was confirmed.
出处 《计算机科学》 CSCD 北大核心 2016年第4期256-259,269,共5页 Computer Science
基金 国家社科青年基金项目:基于空间计量分析的人口规模 结构对资源环境的影响效应研究(13CRK027)资助
关键词 垃圾邮件过滤 贝叶斯 特征项提取 基于短语 中文分词 Spam filtering, Bayesian, Feature extraction, Phrased-based, Chinese word segmentation
  • 相关文献

参考文献10

二级参考文献74

  • 1马真,陆俭明.“名词+动词”词语串浅析[J].中国语文,1996(3):183-188. 被引量:14
  • 2张卫国.三种定语、三类意义及三个槽位[J].中国人民大学学报,1996,(4):97-100.
  • 3李文捷 潘海华 等.基于语料库的中文最长名词短语的自动抽取.计算语言学进展与应用[M].北京:清华大学出版社,1995.119-125.
  • 4邵敬敏 郑定欧.双音节V+N结构的配价分析.现代汉语配价语法研究[M].北京:北京大学出版社,1995..
  • 5周强.汉语语料库的短语自动划分和标注研究.北京大学博士研究生学位论文[M].-,1996..
  • 6赵军.汉语基本名词短语识别及结构分析研究.清华大学工学博士学位论文[M].-,1998..
  • 7孙宏林.现代汉语非受限文本的实语块分析.北京大学博士研究生学位论文[M].-,2001..
  • 8[1]Fabrizio S,Alessandro S,Nicola V.An improved boosting algorithm and its application to text categorization[C].In:Proceedings of the 2000 ACM CIKM International Conference on Information and Knowledge Management, McLean, VA, USA. 2000: 78~85
  • 9[2]Kolda T G.Limited-memory matrix methods with applications. University of Maryland:College Park,Mayland, 1997
  • 10[3]Deerwester S,Dumais S T,Furnas G W et al.Indexing by latent semantic indexing[J].Journal of the American Society for InformationScience, 1990;41 (6) :391~407

共引文献191

同被引文献86

引证文献10

二级引证文献15

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部