基于套索（Lasso）的中文垃圾邮件过滤

摘要：

使用向量空间模型表示的文本邮件数据高维而稀疏，不利于邮件过滤分类模型的建立，通常需在分类器训练前进行维数约减。Lasso回归是一种基于l1正则化的多元线性模型，其在模型参数估计的同时实现了变量选择。提出使用Lasso回归进行垃圾邮件过滤，建立Lasso回归邮件分类模型、Lasso回归词条选择结合逻辑回归的分类模型，结合中文文本垃圾邮件数据集TREC06C进行垃圾邮件过滤实验。实验结果表明Lasso回归词条选择结合逻辑回归的邮件分类模型性能更佳。

关键词：中文文本邮件、垃圾邮件、过滤、Lasso、逻辑回归

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目71361009，61065003；教育部人文社会科学研究项目13YJC630192；华东交通大学校立科研课题09DQ04

在线出版日期：2014-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：130-135