基于支持向量机的邮件过滤

随着万维网的兴起和电子邮件的快速发展，大量的垃圾电子邮件也随之在互联网上泛滥．电子邮件过滤就是要在大量邮件中过滤出垃圾邮件，帮助用户找到所需的邮件。本文讨论了基于机器学习方法实现垃圾邮件过滤的原理，提出一种改进的基于支持向量机的邮件过滤技术，该方法使用互信息度函数，结合Z-测试进行特征选择，使用SVM（支持向量机）构造分类超平面来进行文本分类。实验表明，提高了中文邮件过滤的准确性。     

一种基于向量夹角的k近邻多标记文本分类算法

在多标记学习中,一个示例可以有多个概念标记.学习系统的目标是通过对由多标记样本组成的训练集进行学习,以尽可能正确地预测未知样本所对应的概念标记集.k近邻算法已被应用到多标记学习中,该算法将测试示例转化为多维向量,根据其k个近邻样本的标记向量来确定该测试示例的标记向量.传统的k近邻算法是基于向量的空间距离来选取近邻,而在自然语言处理中,文本间的相似度常用文本向量的夹角来表示,所以本文将文本向量间的夹角关系作为选取k近邻的标准并结合k近邻算法提出了一种多标记文本学习算法.实验表明,该算法在文档分类的准确率上体现出较好的性能.