基于深度学习的电子邮件分类系统的设计与实现（开题报告）

毕业论文（设计）开题报告
学院： 计算机科学与通信工程学院 专业： 计算机科学与技术
学号： 年级：
学 生 姓 名 指 导 教 师
论文（设计）题目 基于深度学习的电子邮件分类系统的设计与实现

与本课题有关的国内外研究情况：
垃圾邮件没有一个统一的定义，一般被理解为“不请自到的邮件”还有一些垃圾邮件是因为它所带的附件包含有病毒，或所含的链接是一个病毒网站，垃圾邮件过滤就是识别出所接收到的邮件中哪些邮件是对接收方完全没有意义的邮件，并进行拦截，删除等操作。有些垃圾邮件发送组织或是非法信息传播者，为了大面积散布信息，常采用多台机器同时巨量发送的方式攻击邮件服务器，造成邮件服务器大量带宽损失，并严重干扰邮件服务器进行正常的邮件递送工作。机器学习中的深度学习神经网络算法的搭建为用户提供识别垃圾邮件和正常邮件的服务不仅能使用户的使用体验感提升，也能更好的维护服务器的工作。全连接神经网络（多层感知机）是最基础的深度学习网络，通常由多层多个神经元组成。神经网络借鉴了感知机和仿生学，通常来说，动物神经接受一个信号后会发送各个神经元，各个神经元接受输入后根据自身判断，激活产生输出信号后汇总从而实现对信息源实现识别、分类。
在国内研究方面，近年来随着深度学习技术的快速发展，越来越多的学者开始探索其在电子邮件分类领域的应用。张忠浩等人在2021年写的《基于深度学习的数据中心日志分析方法设计与实现》中提出了一种基于卷积神经网络的电子邮件分类方法，通过提取邮件文本中的特征信息，实现了对垃圾邮件的有效识别。他们的研究表明，卷积神经网络能够捕捉到邮件中的局部模式，对于识别垃圾邮件具有较好的效果。李菁雯在2019写的《基于深度学习的新闻文本分类系统研究与实现》中