期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
垃圾短信的智能识别和实时处理
被引量：
7
1
作者
何蔓微
袁锐
+1 位作者
刘建胜
王贵新
《电信科学》
北大核心
2008年第8期61-64,共4页
本文提出了短信语义和号码特征相结合的垃圾信息智能识别方法。在分类器的设计上,采用了BP神经网络与支撑矢量机(SVM)的分类集成技术,使得分类识别效果明显。垃圾短信的学习样本识别正确率达99.86%,测试样本识别正确率达到97.4%。由于...
本文提出了短信语义和号码特征相结合的垃圾信息智能识别方法。在分类器的设计上,采用了BP神经网络与支撑矢量机(SVM)的分类集成技术,使得分类识别效果明显。垃圾短信的学习样本识别正确率达99.86%,测试样本识别正确率达到97.4%。由于本文方法提取的特征构成了稀疏矩阵,因此大大缩短了机器学习时间,使得系统具有实时学习和实时提高分类能力的功能。
展开更多
关键词
垃圾短信
BP神经网络
SVM
机器学习
在线阅读
下载PDF
职称材料
题名
垃圾短信的智能识别和实时处理
被引量：
7
1
作者
何蔓微
袁锐
刘建胜
王贵新
机构
中国移动通信集团重庆有限公司数据维护中心
重庆
大为软件
公司
出处
《电信科学》
北大核心
2008年第8期61-64,共4页
文摘
本文提出了短信语义和号码特征相结合的垃圾信息智能识别方法。在分类器的设计上,采用了BP神经网络与支撑矢量机(SVM)的分类集成技术,使得分类识别效果明显。垃圾短信的学习样本识别正确率达99.86%,测试样本识别正确率达到97.4%。由于本文方法提取的特征构成了稀疏矩阵,因此大大缩短了机器学习时间,使得系统具有实时学习和实时提高分类能力的功能。
关键词
垃圾短信
BP神经网络
SVM
机器学习
Keywords
junk short message, BP neural network, SVM, machine learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
垃圾短信的智能识别和实时处理
何蔓微
袁锐
刘建胜
王贵新
《电信科学》
北大核心
2008
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
