邮件过滤中特征选择算法的研究及改进

？对基于内容的垃圾邮件过滤技术尤其是特征选择算法进行了研究。在此基础上，对其中的互信息算法进行了分析，并将其与邮件过滤的特点结合起来进行，在频度、集中度及分散度三个指标上进行改进，在原互信息算法已考虑分散度的基础上，引入词频来表征频度，以类别贡献比来衡量特征对分类的贡献，即表征集中度，并给出了改进后的互信息计算公式及算法。最后使用真实邮件训练集进行了邮件分类的实验，实验结果证明对互信息算法的改进能有效提高邮件分类性能。