导读:本文包含了电子邮件分类论文开题报告文献综述及选题提纲参考文献，主要关键词:电子邮件,分类模型,特征提取,垃圾邮件
电子邮件分类论文文献综述
张洁[1]（2017）在《改进支持向量机的电子邮件分类》一文中研究指出电子邮件分类有利于垃圾邮件的过滤,节省网络资源。为了提高邮件分类的精度,提出了改进支持向量机的电子邮件分类器模型。首先提取电子邮件的原始特征,并采用主成分分析法对特征进行选择,减少特征数量,提高邮件分类效率;然后采用支持向量机建立电子邮件分类器,并对传统支持向量机参数选择方法进行改进,改善邮件分类效果,最后采用邮件分类的标准数据库——UCI进行性能分析。结果表明,改进支持向量机解决了当前电子邮件分类模型的不足,获得了理想的电子邮件分类效果,分类结果可以帮助管理人员拦截垃圾邮件。(本文来源于《现代电子技术》期刊2017年01期）
胡苑艳[2]（2015）在《商务英语电子邮件互文性分析——基于Devitt互文性分类》一文中研究指出本文基于Devitt的互文性叁重分类,分析了国际贸易活动中商务英语电子邮件中的指涉互文性、功能互文性、体裁互文性,并从交际功能的角度出发,探讨了话语社团内文本之间如何互动;同行业话语团体内成员撰写文本时如何利用互文性实现特定的交际功能,为话语社团的交际目的服务;文本间的互文性联系如何反映社团价值体系,体现行业内工作构建等问题。研究发现,国际贸易活动中的商务英语电子邮件普遍存在指涉互文性、功能互文性以及体裁互文性叁种互文表现形式。叁种互文性不仅包含特定的交际功能,还体现了作者特殊的交际意图、人际意义和话语团体规则。一个特定行业话语团体内的文本处在丰富的互文环境中,而这些文本也织就了错综复杂的互文网络。(本文来源于《语言教育》期刊2015年01期）
邵叶秦[3]（2014）在《基于Hadoop平台的电子邮件分类》一文中研究指出为了从大量的电子邮件中检测垃圾邮件,提出了一个基于Hadoop平台的电子邮件分类方法。不同于传统的基于内容的垃圾邮件检测,通过在Map Reduce框架上统计分析邮件收发记录,提取邮件账号的行为特征。然后使用Map Reduce框架并行的实现随机森林分类器,并基于带有行为特征的样本训练分类器和分类邮件。实验结果表明,基于Hadoop平台的电子邮件分类方法大大提高了大规模电子邮件的分类效率。(本文来源于《电脑知识与技术》期刊2014年34期）
王瑛,王勇[4]（2014）在《电子邮件动态分类系统的研究与应用》一文中研究指出电子邮件已成为许多企业开展商务与办公的重要媒介,许多信息都保存在电子邮件系统。对大量邮件的管理,信息分类是一种有效的管理方法,但传统的人工文本分类方式相对静态且耗时较多。针对非结构化的邮件信息管理,提出采用动态分类体系,通过文本挖掘方法,开发一套基于多智能代理架构的电子邮件自动分类系统,提升邮件自动分类的效率。(本文来源于《自动化与信息工程》期刊2014年03期）
周金龙[5]（2012）在《基于改进K近邻算法的手机电子邮件内容自动分类研究》一文中研究指出最近几年,智能手机发展势头猛涨,已经成为继广播、电视、报纸和互联网之后的新一代的媒介形式。通过智能手机收发邮件的频率飞速增长,加之垃圾邮件的肆掠扩散并没有遏制反而愈演愈深,电子邮件运营商以几何级数的速度不断提升邮箱的容量。面对海量的邮件和频繁入侵的垃圾邮件,因此邮件自动分类就显得具有较高的实用价值。基于电子邮件内容的手机电子邮件自动分类技术,是数据挖掘中文本分类技术的一个重要应用。因此,首先从文本预处理、文本提取和中文分词等技术的概念以及文本自动分类的背景着手,系统地探讨电子邮件自动分类的流程和步骤,深入研究了实现手机电子邮件自动分类系统所涉及的理论和技术。对于涉及到文本分类的关键技术,包括中文分词、特征提取、词频统计、向量空间模型和分类算法,本文给出了详细的理论阐述和算法描述。由于是基于K近邻算法的改进算法,重点探讨了K近邻算法,并针对其缺点即选择阈值K的盲目性,提出了基于矩阵奇异值分解的K近邻算法。该改进算法基于矩阵奇异值分解技术,能够通过粗分和细分两个阶段快速获取训练样本和估计K值,然后有针对性的选取一定数目的样本作为训练样本,这种基于后验的训练样本训练出来的K近邻分类器,通过java语言实现了一个具有海量运算能力的电子邮件自动分类器,最后进行实验,验证了该分类器的查全率和查准率。(本文来源于《武汉理工大学》期刊2012-12-01）
穆俊鹏,董魁锋,张明[6]（2012）在《基于动态特征库的电子邮件分类的研究》一文中研究指出随着邮件分类技术的不断发展,为了对邮件进行更加有效的组织和管理,需要对不断变化的邮件进行动态特征提取,根据其动态特征对邮件进行分类。从邮件的动态特征方面入手,通过编写邮件客户端程序,利用中科院的ICTCLAS分词工具实现中文邮件的准确分词,利用改进的TF-IDF算法对邮件的特征权重进行计算,并利用WEKA挖掘工具进行结果的仿真实验。实验结果表明,利用邮件的动态特征来对邮件进行分类是切实可行的,且在一定程度上能够对邮件进行合理有效的分类。(本文来源于《计算机与现代化》期刊2012年07期）
石铁峰[7]（2011）在《支持向量机在电子邮件分类中的应用研究》一文中研究指出在电子邮件分类的研究中,针对研究垃圾邮件识别问题,垃圾邮件问题日益严重,影响正常工作,受到研究人员的广泛关注。而电子邮件特征维数相当的高,使传统分类方法存在分类速度慢、正确率低的问题。为了加快电子邮件分类速度、提高分类的正确率,更好的过滤出垃圾邮件,提出一种基于支持向量机的电子邮件自动分类方法。采用互信息量法提取电子邮件关键词作为分类特征,选择最优的分类特征,加快分类速度,然后支持向量机模型对分类特征进行学习训练,建立最优电子邮件分类器模型,最后对电子邮件测试集进行分类。UCI垃圾邮件数据库进行仿真,支持向量机识别正确率远远高于神经网络,且分类速度明显加快,能够很好的把垃圾分类出来。支持向量机分类方法是一种有效的电子邮件分类方法,有利于清除拉圾邮件。(本文来源于《计算机仿真》期刊2011年08期）
秦晓倩[8]（2010）在《免疫危险理论在电子邮件分类中的应用》一文中研究指出在对危险理论、人工免疫和云模型的研究基础上,提出了一种基于危险理论的电子邮件分类模型并对模型的框架和工作原理进行了详细的描述.实验证明该模型总体性能优于贝叶斯分类,能有效地识别出有害的非我,达到降低伪肯定率和伪否定率的目的.(本文来源于《江西师范大学学报(自然科学版)》期刊2010年02期）
秦晓倩[9]（2010）在《危险理论在电子邮件分类中的应用》一文中研究指出提出了一种基于危险理论的电子邮件分类模型.该模型在对邮件进行分类之前,利用云模型对危险进行绑定,再由危险信号激活免疫响应.对比试验证明,与贝叶斯分类相比,模型中的算法具有更高的正确率.(本文来源于《华中师范大学学报(自然科学版)》期刊2010年01期）
周婷婷,慕德俊,袁源,周菁[10]（2009）在《基于Adaboost的电子邮件分类算法》一文中研究指出提出基于Adaboost的电子邮件分类算法,通过不断修改训练样本的权值,自适应地改变训练样本分布,避免对训练样本的敏感性。实验表明,该算法能有效提高电子邮件分类的精度和召回率。(本文来源于《机电一体化》期刊2009年08期）
电子邮件分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文基于Devitt的互文性叁重分类,分析了国际贸易活动中商务英语电子邮件中的指涉互文性、功能互文性、体裁互文性,并从交际功能的角度出发,探讨了话语社团内文本之间如何互动;同行业话语团体内成员撰写文本时如何利用互文性实现特定的交际功能,为话语社团的交际目的服务;文本间的互文性联系如何反映社团价值体系,体现行业内工作构建等问题。研究发现,国际贸易活动中的商务英语电子邮件普遍存在指涉互文性、功能互文性以及体裁互文性叁种互文表现形式。叁种互文性不仅包含特定的交际功能,还体现了作者特殊的交际意图、人际意义和话语团体规则。一个特定行业话语团体内的文本处在丰富的互文环境中,而这些文本也织就了错综复杂的互文网络。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电子邮件分类论文参考文献
[1].张洁.改进支持向量机的电子邮件分类[J].现代电子技术.2017
[2].胡苑艳.商务英语电子邮件互文性分析——基于Devitt互文性分类[J].语言教育.2015
[3].邵叶秦.基于Hadoop平台的电子邮件分类[J].电脑知识与技术.2014
[4].王瑛,王勇.电子邮件动态分类系统的研究与应用[J].自动化与信息工程.2014
[5].周金龙.基于改进K近邻算法的手机电子邮件内容自动分类研究[D].武汉理工大学.2012
[6].穆俊鹏,董魁锋,张明.基于动态特征库的电子邮件分类的研究[J].计算机与现代化.2012
[7].石铁峰.支持向量机在电子邮件分类中的应用研究[J].计算机仿真.2011
[8].秦晓倩.免疫危险理论在电子邮件分类中的应用[J].江西师范大学学报(自然科学版).2010
[9].秦晓倩.危险理论在电子邮件分类中的应用[J].华中师范大学学报(自然科学版).2010
[10].周婷婷,慕德俊,袁源,周菁.基于Adaboost的电子邮件分类算法[J].机电一体化.2009