论文部分内容阅读
针对中英文混合垃圾邮件过滤问题，提出一种基于支持向量机（SVM）的过滤方法和融合多种分类特征的框架。通过改进SVM中线性核的表示方式，解决存储空间和计算量问题。通过领域术语自动抽取技术，增强垃圾邮件过滤的语义单元识别能力，提高垃圾邮件分类性能。在跨语言大规模语料库上的实验表明，采用SVM比采用Good—Turing算法平滑的朴素贝叶斯模型泛化性能提高了6．13％，分类精度比最大熵模型提高了8．18％。