4月9号——毕设大概有头绪了

  认真学习的时间也就只有今天早上，效率还不错。把长春工业大学那篇论文看完了，对整个邮件系统过滤模型也有了比较具体的概念。

下面先归纳今天的收获。

  根据题目要求，加上各种分析得到，这次的毕设题目需要编写邮件客户端（具备接收和过滤功能），这样把题目的复杂度又提升了。

 

一.主要的工作：

 

   1. 邮件解码：这部分功能可以利用Vmime中间件来实现，不过这方面值得借鉴的东西太少，只能研究Vmime中间件本身提供的说明书。说明书是英文的，大概需要花半天的时间看完。

 

   2.中文分词：需要借鉴已有的分词工具，但现在任没找到。

 

   3.特征选择：在训练集（包含特征项，及一些统计量）上进行特征提取，运用CHI-Square方法进行特征选择，用词频信息作为权重。对于CHI-Square方法，还没有找到其运作方法。

 

   4.文本分类：

      1) 基于规则的过滤算法：对邮件头信息，IP地址的过滤以及标题的简单规则过滤。包括：黑白名单法，少许正则表达式法（即标题构词规则制定）。

      2) 基于统计的过滤算法：利用的是简单贝叶斯算法，以及基于最小风险考虑，这方面的算法已有粗略了解。

      

   5.自学习：这方面还有待了解。

 

 

二，明天的学习安排：

  1. 早上看完Vmime的说明书，并能运用其主要的功能。

  2. 下午配置Vmime环境，找自动分词工具。

  3. 晚上掌握运用CHI-Square进行特征选择的方法。

 

 

    身上的懒惰因子又慢慢浮现，千万不能向它屈服，加油哦！！