基于條件隨機場的垃圾郵件識別.pdf

1、條件隨機場最早提出是用來解決標注問題的，它沒有隱馬爾科夫模型被人詬病的獨立性假設問題，也沒有最大熵模型的標注偏置問題，這些優(yōu)點使得條件隨機場模型成為了目前標注領域最好的模型。
　　應用條件隨機場模型處理郵件的分類，首先要把待分類的郵件樣本表示成條件隨機場的觀測序列，還需要把郵件的類別（垃圾郵件，非垃圾郵件），表示成條件隨機場的狀態(tài)序列；再結合文本分類領域方面的知識來構造特殊類型的特征函數(shù)來提取狀態(tài)序列、觀測序列間的特征，本文推廣常

2、用的一階鏈式條件隨機場到含有跳鏈的鏈式條件隨機場，提取特征函數(shù)時考慮狀態(tài)序列更多節(jié)點間的相關性，給出了所有可能特征函數(shù)的一般形式；進而完成模型的構建，因為在每封郵件樣本和郵件類別間都可以構建條件隨機場，并計算郵件樣本屬于給定類別的條件概率，本文對各封郵件間的性質做出了更多的假設，分為相互獨立和具有馬爾科夫性兩種情況（前者是后者的一種特殊情形），分別構建樣本的聯(lián)合條件概率，并給出了各自參數(shù)極大似然估計的簡單推導。最后再完成模型的預測和評價