基于改进贝叶斯模型的中文邮件分类算法

通过分析常见的贝叶斯分类方法和实现模型,提出了一种适用于中文邮件的分类算法——基于混合模型的最小风险贝叶斯方法。混合模型将二项独立模型和多项式模型相结合,提高邮件分类的查全率,同时,在此基础上应用最小风险贝叶斯方法,进一步提高准确率。实验表明,应用改进的方法可以得到更准确的邮件分类效果。

混合行为蚁群算法在快递路径优化中的应用

将蚁群算法应用于快递路径选择上,并提出了混合行为蚁群算法,仿真结果表明该算法能有效提高收敛速度。

邮件系统中的兴趣漂移混合模型

针对如何在邮件系统中进行用户兴趣模型更新的问题,提出了一种兴趣漂移方法。根据用户长期兴趣和短期兴趣的不同特点,对短期兴趣模型采用时间窗口方法,对长期兴趣模型采用遗忘函数方法进行模型更新。实验结果表明,短期兴趣模型能很好地预测用户近期的兴趣,长期兴趣模型对较长时间段内用户兴趣的预测更稳定。采用混合模型能更好地描述用户兴趣。

混合邮件

详细介绍了混合邮件系统的传送原理 ,并就混合邮件与综合网的接口作了介绍。最后 ,阐述了混合邮件系统与其他系统 (呼叫中心、电子商务、电子商函 )的逻辑架构 ,并给出了架构框图。