2

我有一个愚蠢的困惑，但它困扰着我很多。我必须为垃圾邮件检测制作一个人工神经网络。到目前为止，我已经开发了用于开发邮件的 tfidf 向量和分别计算该矩阵的 PCA 的模块。问题是我的邮件直接从收件箱中读取。对于培训，我希望使用我的垃圾邮件箱，然后使用已用于开发未读邮件向量的相同类。如何将它们标记为垃圾邮件？

我应该开发这样的东西吗

   HashMap<HashMap<String,Double>,Integer> trainingSet;

第一个参数是通过 PCA 降维的 mailVector，而 Integer 是标签 1-Spam 和 0 表示 nonSpam，然后将向量写入文件并从中读取？或者我应该让我的代码更灵活，而不是直接从收件箱中读取，它应该从已经存在的在线垃圾邮件和垃圾邮件中读取，然后将它们建模为邮件对象[我有一个 MailMessage 类，它定义了像主题这样的成员, body , mailvector 等用于邮件，然后用它来构建术语索引，最后是向量]，形成向量，然后形成一个训练集，训练后我可以让他们阅读我的收件箱吗？

任何见解将不胜感激！

4

1 回答 1

0

我要对你说实话。坦率地说，英语中的单词并不多。如果您有一个非常大的输入向量（比如数万个），您可能会获得最有效的性能。事实上，你甚至可以在没有隐藏层的情况下购买。

对于图像识别等，具有数千个点的输入向量并不少见。

于 2013-02-11T18:14:44.540 回答