张洁

摘 要： 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。

关键词： 电子邮件； 分类模型； 特征提取； 垃圾邮件； 主成分分析

中图分类号： TN915.08?34 文献标识码： A 文章编号： 1004?373X（2017）01?0077?03

Abstract： The E_mail classification is conducive to filter out the spam mail and save the network resources. In order to improve the accuracy of the E_mail classification， an E_mail classifier model using improved support vector machine is proposed. The original features of E_mail are extracted， and selected with the principal component analysis to reduce the feature quantity and improve the E_mail classification efficiency. The support vector machine is used to establish the E_mail classifier. The parameter selection method of the traditional support vector machine was improved to perfect the E_mail classification effect. The standard database UCI of the E_mail classification is used to analyze the classification performance. The results show that the improved support vector machine has solved the insufficient of the current E_mail classification model， and obtained the satisfied E_mail classification effect， which can help managers to block the spam mail.

Keywords： E_mail； classification model； feature extraction； spam mail； principal component analysis

0 引 言

随着经济水平的不断提高，家家户户有了计算机，网民越来越多。电子邮件（E_mail）是一种人们在网络上交流的常用工具，受到了人们的广泛关注[1]。网络是一个新兴事件，网络中有大量垃圾邮件，它们不仅浪费网络资源，给人们工作带来困扰，而且给一些不法分子提供了可乘之机，因此，对E_mail进行有效分类找出其中的垃圾郵件具有重要的实际意义[2]。

E_mail与文本有很多相似之处，为此一些学者将文本分类方法引入E_mail分类中，通过分类算法将邮件分为正常邮件和垃圾邮件[3]。同时E_mail是一种半结构化文本，具有自身的特殊性，采用传统文本分类方法用于E_mail分类，分类的精度低，邮件错分现象严重，导致一些正常邮件被拦截，而且一些垃圾邮件没有被过滤掉[4]。……