论文部分内容阅读
本文提出了一种个性化垃圾邮件过滤方法，它能够根据用户反馈自动学习出用户兴趣，并随时间的推移自动适应用户兴趣的变化。该方法首先抽取邮件的语言特征和行为特征构建多个基于规则的单独过滤器，然后采用SVM集成学习方法组合这些单独过滤器的结果。为了提高学习速度、减少用户提供反馈的数量，本文采用了主动学习方法挑选更加富含知识的邮件请求用户给出反馈。实验结果表明：集成学习和主动学习相结合的个性化过滤方法在个性化程度、分类准确率、过滤速度以及自动学习能力等方面具有更好的性能。