随着信息化技术的不断发展,电子邮件以其廉价性、实用性、即时性成为互联网应用最广的服务,电子邮件因为其突出的便捷性极大的便利了人们的日常沟通交流,对社会经济的发展产生了极大的促进作用,玉有微瑕也带来了一个意外的副产品——垃圾邮件。垃圾邮件的泛滥不但造成了极大的经济损失,同时还威胁着信息的安全,不仅影响社会风气,污染人文环境,还扭曲了人们的人生观、价值观,产生了诸多的社会的问题,时刻打击着人们对网络交流的信心,阻碍着互联网的发展。因此,如何解决垃圾邮件的问题,如何提高垃圾邮件过滤技术成了迫在眉睫的难题。目前在国内外垃圾邮件过滤技术研究中,以基于邮件内容的分类成为了主流,但传统的机器学习算法在做文本特征化的过程中不可避免的存在着诸如维度过大、数据集太过稀疏、数据彼此独立没有联系,丢失太多重要特征从而导致分类的准确率达不到人们的理想要求,本文在基于邮件内容的基础上,利用Word2vec中的Skip-gram模型+负采样策略来训练分布式文本词向量,并针对过拟合现象对模型进行相应的调整,本文相关工作如下:(1)数据集采用国际文本检索会议提供的一个公开的垃圾邮件语料库——中文数据集Trec06c,分词后训练词向量,经实验比对,将词向量的维度设置为200维,考虑到邮件内容长短不一,将词向量进行tf-idf加权处理后作为输入数据集输入到BP神经网络模型中,对比传统机器学习模型的性能得到了明显提高。(2)因为深度学习里参数众多,极容易出现过拟合现象并且计算速度慢,所以本文中将会在模型中加入Dropout层,并将数据集分成多个Bitch-size,分批输入模型,另外基于accuracy曲线图会做多次对比实验,选择最好的那个Dropout系数,可以让模型具有更好的泛化性。(3)在以往2分类中一般使用Sigmoid分类器,但鉴于Sigmoid函数越到极限收敛速度越慢的缺点,本文中将采用Softmax分类器,并在分类器中加入L2正则惩罚项,可以让模型对不同的样本表现出更好的鲁棒性。(4)为提高收敛速度,弥补传统的梯度下降法学习率固定无法修改的弊端,改用自适应学习率优化算法Adam算法。(5)将最佳结果与传统的贝叶斯模型和KNN模型进行对比,本文改进后的BP神经网络模型预测结果的Precision、Accuracy和Recall要好于传统的机器学习算法。