基于Logistic回归的中文垃圾邮件过滤方法

摘要

本发明公开了一种基于Logistic回归的中文垃圾邮件过滤方法。其步骤如下：1)对邮件进行解析，提取邮件标题、邮件主体及附件相关信息；2)对提取的文本信息内容进行分词；3)统计邮件中词条的词频，利用TF－IDF公式计算词的权重，将邮件表示成加权的特征向量；4)利用LIBLINEAR工具包对邮件样本进行训练得到Logistic回归模型；5)利用Logistic回归模型对新的邮件进行分类，得到邮件是否为垃圾邮件的概率值。本发明利用了Logistic回归模型具有模型简单、参数数量少，以及在样本数目和特征数目都很巨大的数据集中具有分类准确度高的优点，通过维数约简和改进的特征值计算方法，提高了垃圾邮件过滤的准确率和效率，同时，还有效解决了垃圾邮件过滤中所面临的模型训练参数选择问题。

主权项

1.一种基于Logistic回归的中文垃圾邮件过滤方法，包括如下步骤：1)利用JavaMail和HTMLParser的应用程序接口对邮件进行解析，提取邮件标题、邮件文本、邮件字符集、邮件附件标题的文本信息；2)对提取的文本信息进行分词；3)统计文本信息中的词条的词频，利用TF-IDF公式计算词的权重，将邮件文本信息表示成加权特征向量，重复步骤1)～步骤3)得到加权特征向量集；4)利用LIBLINEAR工具包对邮件样本的加权特征向量集进行训练得到Logistic回归模型；5)利用得到的Logistic回归模型对邮件进行分类，得到邮件是否为垃圾邮件的概率值。