用于垃圾邮件检测的神经网络输入
Inputs for Neural Network for email spam detection
我正在尝试实施用于检测垃圾邮件的神经网络。我有用于解决 XOR 问题的神经网络，我想为我的目的编辑该网络并使用 ba。可在此处访问：https://github.com/trentsartain/Neural-Network
我下载了一些文本格式的垃圾邮件和非垃圾邮件数据库用于训练network.So我有一些训练集。但我的问题是：
该神经网络的输入应该是什么？
感谢您的每一条评论！ :)
简短的回答：输入将是您的垃圾邮件。
较长的答案，在非常基本的层面上：
假设您的电子邮件没有奇怪的字符。
想象一个向量，其中向量的每个元素代表这些电子邮件中出现的单词之一。
对于每封电子邮件，您创建一个这样的向量，并为每个元素计算电子邮件中该词的频率。
所有这些向量，每封电子邮件一个，都将是您的输入。
这是基本思想。然后你可以通过应用 stemming, use tf-idf 而不是普通频率来改进它，引入其他输入元素（例如来自电子邮件 headers）。
我遇到过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“Naive Bayes spam filtering”技术。所以我建议先看看这个技术。
作为开始的想法：
您可以使用 neural-network 中的加权词技术，如下所示。
第一步：创建一个 "dictionary" 基于 neural-network 回答你给定单词是垃圾邮件的概率。
第二步：计算整封邮件是垃圾邮件的概率。您可能有多个输入，例如，第一个输入接受垃圾邮件概率为 0-10% 的单词数，第二个输入概率为 10-20% 的单词数，依此类推，直到最后一个概率为 90-100% 的单词数, 这样的输出 neural-network 你可以设置邮件是垃圾邮件的概率。
我正在尝试实施用于检测垃圾邮件的神经网络。我有用于解决 XOR 问题的神经网络，我想为我的目的编辑该网络并使用 ba。可在此处访问：https://github.com/trentsartain/Neural-Network
我下载了一些文本格式的垃圾邮件和非垃圾邮件数据库用于训练network.So我有一些训练集。但我的问题是：
该神经网络的输入应该是什么？
感谢您的每一条评论！ :)
简短的回答：输入将是您的垃圾邮件。
较长的答案，在非常基本的层面上：
假设您的电子邮件没有奇怪的字符。
想象一个向量，其中向量的每个元素代表这些电子邮件中出现的单词之一。
对于每封电子邮件，您创建一个这样的向量，并为每个元素计算电子邮件中该词的频率。
所有这些向量，每封电子邮件一个，都将是您的输入。
这是基本思想。然后你可以通过应用 stemming, use tf-idf 而不是普通频率来改进它，引入其他输入元素（例如来自电子邮件 headers）。
我遇到过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“Naive Bayes spam filtering”技术。所以我建议先看看这个技术。
作为开始的想法：
您可以使用 neural-network 中的加权词技术，如下所示。
第一步：创建一个 "dictionary" 基于 neural-network 回答你给定单词是垃圾邮件的概率。
第二步：计算整封邮件是垃圾邮件的概率。您可能有多个输入，例如，第一个输入接受垃圾邮件概率为 0-10% 的单词数，第二个输入概率为 10-20% 的单词数，依此类推，直到最后一个概率为 90-100% 的单词数, 这样的输出 neural-network 你可以设置邮件是垃圾邮件的概率。