基于深度学习的邮件自动分类模型研究

摘要：

双11、双12带来邮件的激增,这要求邮件处理中心能快速、准确地实现邮件的自动分拣,以免造成邮件堆积.文章采用深度学习模型进行分类,使分类结果更加精确.通过对预训练模型结构进行精调,对全连接层和输出层进行改进,使模型输出与当前分类种类一致.采用动量法与RMSPROP相结合的Adam算法,既考虑了梯度方向又考虑了学习速率大小,使损失函数快速逼近极值,并最终将损失最小的权值作为最终模型.用精调后的Vgg模型,使邮件分类在准确度上取得比较好的效果.

关键词：VGG、卷积神经网络、分拣

所属期刊栏目：19

分类号：TP391;TP181;G254

资助基金：黑龙江省省属本科高校基本科研业务费专项资金项目pandas;Bootstrap

在线出版日期：2022-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：19-23