一个初审/复审协作式反垃圾邮件系统

提出了一个反垃圾邮件系统的三层模型,并使用初审/复审流程建立了一种协作式反垃圾邮件系统功能框架.在该功能框架下,初审使用基于规则匹配的邮件过滤技术,快速处理海量邮件,将邮件分成正常、垃圾和疑似垃圾邮件三类;复审使用内容分析技术对疑似垃圾邮件进行甄别,同时使用基于反馈学习的自适应技术更新初审规则.基于该功能框架,设计并实现了一个反垃圾邮件系统,应用在邮件系统中进行了实测.实验结果表明,该系统可以有效地处理垃圾邮件,系统的漏报率《 3.7%,误报率《 0.6%,性能高于公开的反垃圾邮件产品性能.     

云计算平台下一种新型反垃圾邮件系统的研究

针对现有SMTP(simple mail transfer protocol)中接收方被动接收信息的缺点,设计一种新型反垃圾邮件系统.该系统通过设计改进型DMTP(differentiated mail transfer protocol),减少不必要的网络流量;通过引入云计算机制,减小传统反垃圾邮件系统负荷,从而降低用户时间消耗.研究结果表明:与现有邮件系统相比,该系统的用户处理时间、网络流量、垃圾邮件发送方获益均降低.     

一种P2P结构的协作式反垃圾邮件模型

垃圾邮件已成为当今邮件系统的主要问题,垃圾邮件发送者通过伪装邮件来逃避反垃圾邮件系统的检测.建议用一种健壮的摘要算法来识别相似垃圾邮件,并利用在邮件服务器之间建立一种带索引的结构化P2P网络来共享垃圾邮件的知识.仿真结果表明,该系统结构以及摘要算法有效地实现了相似邮件的聚集,从而达到了过滤垃圾邮件的目的.     

反垃圾邮件技术分析及比较

本文首先介绍了垃圾邮件的危害,当今垃圾邮件的特点和发送技巧,重点分析比较基于内容的关键字过滤、贝叶斯分析、邮件指纹过滤方法实现原理,以及意图分析,协议分析方法的实现原理;通过对对多种技术比较,对新型反垃圾邮件系统的发展方向进行展望与预测。     

发明初审智能审查规则引擎技术研究

随着我国创新能力和创新水平的提升,专利审查模式需要进一步转变和优化,同时,还需要加强专利审查的信息化、智能化水平,推进专利审查模式转变和国家知识产权战略目标的实现。本文即是针对发明初审的智能化审查与结合自身专利审查实践,重点研究了专利智能审查规则引擎技术、实现原理和应有功能,以期能将研究成果应用于专利审查智能化的实现,为进一步实现专利审查效率提升、审查质量的提高做一些有意的探索。     

垃圾邮件与反垃圾邮件技术分析

本文通过阐述垃圾邮件的定义、危害、产生的原因、发送的手段来分析如何对垃圾邮件进行防范;通过对邮件的处理过程进行分析,进一步阐明了反垃圾邮件的手段和方法;同时,分析并总结了这些技术在反垃圾邮件防范中的作用。     

基于内容过滤的反垃圾邮件系统的设计与实现

垃圾邮件日益蔓延,引起全世界的广泛关注.研究基于内容过滤的反垃圾邮件技术,主要包括基于规则评分和基于概率统计的方法,并进行系统的设计和实现.最后,在实验中通过采用K次交叉验证的方法,得到系统的评价指标,并证明了系统的有效性.     

改进的Naive Bayes技术在反垃圾邮件系统中的应用

目的简化并改进中文反垃圾邮件系统。方法改进Naive Bayes算法且结合利用垃圾邮件规律的规则过滤,这套方案也在Linux/Solaris系统平台下的软件编程。结果在邮件服务器上对本方案进行了测试,结果显示这套方案取得了很好的过滤效果。结论改进的Naive Bayes技术可提高反垃圾邮件过滤器的速度和效率。     

一种多算法协作式垃圾邮件过滤模型

电子邮件是网络应用的重要方面,但垃圾邮件也随之而来。单一过滤技术已难以适应垃圾邮件多变的特征,而层次化过滤效率难以保证。综合多种过滤技术、过滤性能优越的邮件过滤系统研究成为必然。本文提出一种均衡代价的多算法协作式邮件过滤模型,以使邮件过滤系统在保证效率的基础上获得较好的(1-ROCA)%性能。     

一个基于Agent的协作式学习系统

较详细的探讨了如何建造具有一定自治能力的学习主体(agent).在此基础上给出了一个协作式学习系统,其中着重讨论了一个主体内部以及主体与主体之间的协调问题.最后将本文工作与相关工作进行了比较.     

基于过滤技术的反垃圾邮件方法研究

从介绍反垃圾邮件技术研究发展历程入手,阐述了内容过滤、接入过滤、行为过滤3种过滤技术的研究现状,讨论了当前研究的最新成果,展望了未来反垃圾邮件技术的发展方向。     

垃圾邮件过滤算法研究

对当前垃圾邮件过滤技术进行了深入研究,讨论了支持向量机分类器在智能垃圾过滤中的应用,分析了SVM算法的不足.结合k近邻算法,提出了一种基于支持向量的改进分类器,并通过大量实例对该分类器的有效性进行了验证.     

基于贝叶斯增量分类的邮件过滤研究

随着internet的快速发展,垃圾邮件泛滥成灾.面对垃圾邮件日益严重的现状,提出了贝叶斯邮件过滤模型并讨论了贝叶斯分类方法在垃圾邮件过滤中的应用.针对难以获得大量有类别标签的邮件训练集问题,利用贝叶斯具有增量学习特征,分析并提出了基于小规模训练集的贝叶斯增量邮件过滤方法,通过最小化当前邮件分类器的分类损失,来选择有利于提高分类器性能的邮件加入训练集.实验结果表明,该方法是切实可行的并具有良好的效果.     

基于顾客交易数据的协同过滤推荐方法

分析了B2C电子商务网站中应用最广的协同过滤推荐方法在数据源方面存在的局限性,提出了一种基于顾客交易数据的协同过滤推荐方法.该方法的基本原理是:基于顾客的购买历史记录,获得顾客对于各种商品的最近购买时间R(Recency),购买频率F(Frequency)和购买金额M(Monetary)等指标,利用这三个指标确定顾客对已购商品的偏好程度;进一步建立体现顾客商品偏好度的IRFM矩阵,并以该矩阵为数据源为顾客提供个性化的商品推荐.该方法能为老顾客提供质量更高的推荐,进一步扩展了协同过滤方法的应用范围.     

基于协同过滤算法的智能教学系统研究

根据传统教育因材施教的教学思想,设计了基于协同过滤算法的智能教学推荐系统,该系统实现了"一对一"的教学模式,每个学生登陆教学系统后看到的都是针对自身学习情况量身订做的页面.测试结果表明,该智能推荐系统对学生学习成绩的提高具有一定的辅助作用.     

基于两阶段聚类的协作过滤推荐算法

协作过滤推荐是目前主流的个性化推荐方式,但数据稀疏问题影响了推荐系统的性能.提出了基于两阶段聚类的协作推荐算法,降低了数据的稀疏性,提高了最近邻的准确度,而且推荐精度较以往传统的算法有明显提高,时间复杂度也有明显降低.     

一种基于用户偏好序列的协同过滤推荐

协同过滤技术被成功地应用于个性化推荐系统中,但随着系统规模的扩大,它不能真实地反映用户的兴趣偏好.针对此缺点,提出了一种新的协同过滤推荐算法,该算法根据用户偏好序列的相似性来搜索目标用户的最近邻居和产生推荐,从而有效地解决了传统协同过滤推荐中过分依赖不能真实反映用户兴趣偏好的用户等级评价的问题,改进了传统协同过滤算法中计算邻居用户的方法.实验结果表明,该算法在个性化推荐系统应用中取得了较好的推荐效果和推荐质量.     

基于Morphology处理和主题词抽取的垃圾邮件过滤方法

考虑到垃圾邮件预处理的重要性,提出了利用Morphology对垃圾邮件内容进行还原．为了提高邮件分类的性能,对邮件进行主题词抽取,并且结合邮件其他的属性特征,利用贝叶斯方法对邮件进行分类．实验表明,这种基于Morphology处理和主题词抽取的垃圾邮件过滤方法十分有效．     

基于协同过滤技术的CRM主动营销模型研究

叙述在CRM中进行主动营销的重要性，提出基于协同过滤技术的CRM主动营销模型，对模型中常用的项目相似度计算方法进行详细阐述，然后通过实验证明模型的可行性，并从平均绝对偏差角度说明几种相似度计算方法的性能。