基于LSA和MD5算法的垃圾郵件過濾系統(tǒng)研究.pdf_第1頁
已閱讀1頁,還剩52頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著Internet的迅速普及,垃圾郵件問題引起了社會廣泛的關注。目前解決垃圾郵件問題有眾多的途徑和思路,其中基于內(nèi)容的垃圾郵件過濾是一個較為重要的方法。 本文采用潛在語義分析方法(LSA),通過對郵件樣本集進行訓練,用其產(chǎn)生的分類器對待測郵件內(nèi)容進行文本分類、信息過濾,從而獲取垃圾郵件。但LSA在權重計算上多繼承向量空間模型,忽視了其自身特點,導致缺乏文檔先驗信息和文檔全局信息植入,使得在實際應用中過分機械。為了解決這個問題,

2、本文通過引入一種新的權重函數(shù)來改進原有方法,使得基于主動學習的潛在語義分析方法能構造出更適合于實際應用的垃圾郵件過濾系統(tǒng)。通過實驗表明,采用擴展權重計算方法的LSA,在性能上優(yōu)于傳統(tǒng)權重計算方法的LSA。 針對現(xiàn)階段多數(shù)垃圾郵件主體或發(fā)信人地址常動態(tài)改變,其正文及附件內(nèi)容卻基本一致,而在擁有數(shù)萬用戶的大型局域網(wǎng)中,垃圾郵件普遍以群發(fā)的方式在網(wǎng)內(nèi)傳播這些現(xiàn)象,本文利用Message-DigestAlgorithm 5(MD5),在

3、LSA分析的基礎上,對群發(fā)型垃圾郵件生成“郵件指紋”,以解決過濾技術在處理群發(fā)型垃圾郵件中低效的問題,進一步提高了垃圾郵件系統(tǒng)識別的準確率。 文中采用中國反垃圾郵件聯(lián)盟收集的數(shù)據(jù)集,對基于LSA和MD5算法的垃圾郵件過濾系統(tǒng)進行測試評估,經(jīng)與Naive Bayes算法過濾器進行比較,證明該方法在垃圾郵件過濾上優(yōu)于Naive Bayes方法,并通過實驗驗證了該方法的可行性、優(yōu)越性。 但是,本文所作的都是基于實驗環(huán)境下的,要

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論