基于图正则化MNMF的中文垃圾邮件过滤

作     者：刘遵雄 黄志强 郑淑娟 石菲 LIU Zun-xiong;HUANG Zhi-qiang;ZHENG Shu-juan;SHI Fei

作者机构：华东交通大学信息工程学院南昌330013 江西财经大学科研处南昌330013 

基　　金：国家自然科学基金资助项目(61065003) 国家教育部人文社会科学研究规划基金资助项目(10YJC630379) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2013年第30卷第9期

页      码：2672-2676页

摘      要：利用向量空间模型表示的文本邮件数据具有高维性,不利于邮件过滤模型的建立,需要对数据进行降维处理。最大间隔Semi-NMF(max-margin semi-nonnegative matrix factorization,MNMF)能够同时实现维数约减和邮件分类,而图正则化NMF能保持数据空间的几何结构。基于以上两种NMF改进模型,提出了图正则化MNMF(graph regularized MNMF,GMNMF)算法,并设计了一个迭代的求解算法。将GMNMF算法及其他相关算法用于中文垃圾邮件过滤实验,结果表明GMNMF算法构建的过滤模型要优于其他较好的算法构建的过滤模型。

主 题 词：向量空间模型 维数约减 最大间隔Semi—NMF 图正则化MNMF 中文垃圾邮件过滤 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1001-3695.2013.09.028

馆 藏 号：203124845...