用于电子邮件垃圾邮件检测的神经网络输入

Question

我正在尝试将神经网络用于电子邮件垃圾邮件检测。我有神经网络解决XOR问题，我想为我的目的编辑该网络并使用ba。可在此处访问：Where can I find Microsoft.TeamFoundation.Build.Client in Visual Studio 2015?

我下载了一些电子邮件垃圾邮件和火腿文本格式的数据库，用于培训网络。所以我有一些训练集。但我的问题是：

该神经网络应该输入什么？

感谢您的评论！ ：）

Answer 1

简短回答：输入将是您的垃圾邮件。

更长的答案，在一个非常基本的层面： 假设您的电子邮件没有奇怪的字符。 想象一个向量，向量的每个元素代表那些电子邮件中出现的单词之一 对于每封电子邮件，您可以创建一个这样的向量，并为每个元素计算电子邮件中该单词的频率 所有这些向量，每封电子邮件一个，都是您的输入。

这是基本的想法。然后，您可以应用stemming，使用tf-idf而不是普通频率来优化此功能，引入其他输入元素（例如，来自电子邮件标题）。

Answer 2

我遇到了一些针对电子邮件和短信的垃圾邮件过滤器，其中最有效的是基于＆＃34; Naive Bayes spam filtering＆＃34;技术。所以我建议先看看这个技术。

作为开头的想法：

您可以在神经网络中使用加权词技术，如下所示。

第一步：创建一个＆＃34;字典＆＃34;基于神经网络，巫婆用你的垃圾邮件的概率回答你。

第二步：计算整个邮件成为垃圾邮件的概率。您可能有多个输入，例如，第一个输入需要具有0-10％的垃圾邮件概率的单词数，具有10-20％概率的第二个单词数，依此类推，直到最后一个数字的概率为90-100％ ，输出这样的神经网络，你可以设置消息被垃圾邮件的概率。