基于改进特征选择的TCN模型在邮件过滤的研究
张伟
邓士杰
于贵波
陆军工程大学石家庄校区 石家庄 050000
摘要：近些年,即时通讯软件发展迅猛,已经成为人们日常社交生活中的主要信息工具.但在工作环境下,电子邮件仍被视为更为正式的沟通方式,它主要用于发送正式的报告和通知.而携带有广告、暴力、色情,甚至木马病毒的垃圾邮件却占用着我们的邮箱资源并影响其可靠性,给我们的工作带来不便.为此,论文研究了一种基于改进随机森林特征选择的时序卷积神经网络(TCN)模型,用以准确识别垃圾邮件的内容及信息.该模型在TCN分类模型的基础上,加入融合麻雀优化算法(SSA)的随机森林(RF)对原始特征进行降维处理,用于去除相关性差、不重要的特征并保留具有一定贡献率的有效特征,获得最优特征子集.为了验证模型的可靠性,在UCI中Spambase数据集开展对比实验,分析评估基于F1 分数、精确率、召回率、准确度和训练参数数量五项指标.通过实验表明,该模型可以有效地识别垃圾邮件,最优特征子集在降低模型复杂程度的同时提高了识别精度,评估指标均优于实验对比模型.
关键词：垃圾邮件SSARF特征选择降维TCN
分类号：O141.4(数理逻辑、数学基础)
论文发表日期：2025-12-20
在线出版日期：2026-03-23（本平台首次上网日期，不代表文献的发表时间）
页数：7( 102-107,159 )
英文信息