基于語義體與模糊聚類的中文垃圾郵件過濾方法研究.pdf

1、目前基于內容的垃圾郵件過濾方法主要采用統計分析法,此類方法對垃圾郵件內容所表達的思想缺乏精準的定量描述,研究垃圾郵件內容所表達思想的描述形式對垃圾郵件的準確識別有著十分重要的意義。郵件正文部分是一封郵件的主體,其內容是通過大量語義元(即詞的語義)所形成的語義體反映出來的,所以在郵件過濾中研究語義體的信息是最權威、最有效的。因此,論文在句子相似度的基礎上,利用《知網》在語義元分析中的優(yōu)勢,對郵件正文中包含的語義體進行分析,提出了一種語義體

2、構建的方法及語義體間相似度的計算方法。由于自然語言的復雜性,以及在描述和理解方面具有高度的不確定性和模糊性。
　　 本文采用模糊聚類方法將語義體與此進行結合,提出了一種基于語義體的模糊聚類方法。該方法與傳統方法的不同之處在于在分類時將語義體作為分類對象,將語義體之間的相似度作為構建模糊相似矩陣的相關系數,此方式大大降低了模糊聚類方法在處理文本分類問題時的維度。最后,將基于語義體的模糊聚類方法應用到垃圾郵件過濾中。經仿真實驗證明: