重庆邮电大学学报（自然科学版）
重慶郵電大學學報（自然科學版）
중경유전대학학보（자연과학판）
JOURNAL OF CHONGQING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS(NATURAL SCIENCE EDITION)
2011年
6期
757-760
,共4页
个性化%KNN算法%邮件过滤%用户兴趣%垃圾邮件
箇性化%KNN算法%郵件過濾%用戶興趣%垃圾郵件
개성화%KNN산법%유건과려%용호흥취%랄급유건
针对个性化邮件过滤中接收的邮件没有规律、正常邮件和垃圾邮件存在严重类偏移等问题,提出一种改进的k最近邻(k-nearest neighbor algorithm,KNN)个性化邮件过滤方法.该方法主要是通过建立兴趣度模型(对兴趣度计算的改进,剔除用户习惯对建立兴趣度模型带来的影响)不断改变训练集,使得训练集中的文本始终代表用户最近的兴趣.然后通过对接收邮件的无规律和类偏移问题的研究,提出一种改进的KNN算法,该算法主要是对文本在聚类中的价值重新评定,使其对邮件文本进行了较好的分类.经实际验证,改进后的KNN个性化过滤方法能较好地实现对邮件进行个性化分类.
針對箇性化郵件過濾中接收的郵件沒有規律、正常郵件和垃圾郵件存在嚴重類偏移等問題,提齣一種改進的k最近鄰(k-nearest neighbor algorithm,KNN)箇性化郵件過濾方法.該方法主要是通過建立興趣度模型(對興趣度計算的改進,剔除用戶習慣對建立興趣度模型帶來的影響)不斷改變訓練集,使得訓練集中的文本始終代錶用戶最近的興趣.然後通過對接收郵件的無規律和類偏移問題的研究,提齣一種改進的KNN算法,該算法主要是對文本在聚類中的價值重新評定,使其對郵件文本進行瞭較好的分類.經實際驗證,改進後的KNN箇性化過濾方法能較好地實現對郵件進行箇性化分類.
침대개성화유건과려중접수적유건몰유규률、정상유건화랄급유건존재엄중류편이등문제,제출일충개진적k최근린(k-nearest neighbor algorithm,KNN)개성화유건과려방법.해방법주요시통과건립흥취도모형(대흥취도계산적개진,척제용호습관대건립흥취도모형대래적영향)불단개변훈련집,사득훈련집중적문본시종대표용호최근적흥취.연후통과대접수유건적무규률화류편이문제적연구,제출일충개진적KNN산법,해산법주요시대문본재취류중적개치중신평정,사기대유건문본진행료교호적분류.경실제험증,개진후적KNN개성화과려방법능교호지실현대유건진행개성화분류.
