邮件一种基于机器学习的垃圾邮件智能过滤方法

垃圾邮件  时间:2021-02-20  阅读:()

第20卷第1期 现 代 电 力 Vol120 No11

2003年2月 MODERN ELECTRIC POWER Feb1 2003

一种基于机器学习的垃圾邮件智能过滤方法

周威成 马素霞 齐林海

关键词:Naive Bayes (N1B1)算法;机器学习;垃圾邮件过滤

中图分类号: TP3931098

文献标识码:A 文章编号: 100722322 (200)01220065203

很多商家利用E2 ma il的容易发送、价格便宜 识别以概率的形式给出一个定量表示。

)算法

“反动”信息方面,因为 “反动”信息比一般邮件 其中:P(ci| d)为文件d属于类型ci的概率;的邮件信息有着更鲜明的特征。同时,基于规则的 P(ci)为任意取一个文件属于c i的概率;过滤不能解决邮件过滤中的一个常见问题:邮件过 P(wj| ci)为类型ci中选定一个词为wj的概滤中常常会把垃圾邮件识别为正常邮件,把正常邮 率;

件识别为垃圾邮件。把垃圾邮件识别为正常邮件在 P(d)为任意取一个文件为d的概率。 对于一定范围内是可以接受的,但把正常邮件识别为垃 具体文件d,如果属于类型ci ,则P (ci圾邮件,则是不能接受的。如果能对识别给出一个 |d)为最大值。 由于P(d)是一个特定值,所以对定量的表示,将会是一个不错的解决办法。下文将 于文件d属于文件类型CN 1 B1,有

要介绍的利用Naive Bayes算法的过滤方法,能对 CN1B = m ax(P(ci)

收稿日期: 2002 12 16

作者简介:周威成(1978—) ,男,硕士研究生;主要研究方向为自然语言处理、计算机网络;马素霞(1964—) ,女,副教授,主要研究方向为算法设计、数据结构、MIS、 GIS。

66 现 代 电 力 2003年

c1=垃圾邮件, c2=正常邮件,直接应用N1B1分 | V | +∑s=1∑i=1 N(ws , di)

果是比较准确的。 目前无很好的解决方法,一般采用先定初始值,然

应用算法到垃圾邮件过滤中,需要把邮件表示 后根据实验测试和统计结果确定最佳值,一般初始成特征向量的形式。利用向量空间模型,定义空间 值定在几千左右。

中每一维对应整个信息库中的每一个词汇。每一封 特征项的选择,除了上面介绍的基于词汇的特邮件可以看作是一个向量d = (w1 , w2, 征项之外,还有非词汇特征项1比如说邮件是否带1wn), w1 , w2, , wn是W1 , W2, , Wn的 有附件,以及所带附件的扩展名等。邮件文本中包值。 Wi表示邮件中的词汇特征项或者一些非词 含的非汉字、字母信息也是区分邮件是否是垃圾邮汇的(比如说,邮件是否带有附件、附件的扩展名 件的很重要的一个方面。

机器学习

2 特征项选择

本文所采用的训练集的一部分是从一家公司的邮

第1期 周威成等:一种基于机器学习的垃圾邮件智能过滤方法 67

件服务器中由pro c ma il (一种基于规则的邮件过滤程 根据实验结果,当F1达到80%以上时,就可序)的过滤结果中整理的,一部分是从INTERNET 看作对邮件进行了比较准确的过滤。

新闻组中整理的。总共整理出900多封邮件。 由实验结果(表1)可以看出,Naive Bayes算

算法实现过程:首先,通过最大匹配(MM) 法在邮件过滤中可取得理想的结果。

法则对训练库中的邮件进行分词。然后按照文中介 表1 N1B1算法邮件过滤中应用的查全率和准确率和F1值

个分类过程1所以评估的标志主要是分类的准确程 用效果。但是对于信息更加复杂和抽象的中文邮件度。分类准确程度的参照物是通过算法判断后对文 的处理问题还有待于进行更加深入的研究。参 考 文 献

个人思维差异的因素)系统的两个指标

查全率是人工分类结果应有的文本中分类系统 [3]张晓冬,张书杰1关于信息过滤模型的探讨[J]1计算

准确率和查全率反映了分类质量的两个不同方 Processing,2000 ,3136

A Way to Filter Junk Mail Intell igently Based on Machine Learning

Zhou Weicheng,MaSuxia , Qi L inhai

(North China Electric Power University (Beijing)Department of Computer Science andTechnilogy)

Abstract : In order to filter the Unsolicited Bulk E2mail (UBE) , so2called the junk mail , the Naive Bayes(N1B1) algorithm is presented in detail1 The application of N1B1algorithm, and reformation for the specialcharacter of e2mail , is implemented1An evaluation algorithm of the application is given.The consequence of theevaluation shows that the effect isgood.

Keywords :Nave Bayes (N1B1) algorithm;Machine Learning; junk mail filtering

数脉科技香港物理机 E3 16G 10M 华为线路165元 阿里云线路 188元 Cera线路 157元

2021年9月中秋特惠优惠促销来源:数脉科技 编辑:数脉科技编辑部 发布时间:2021-09-11 03:31尊敬的新老客户:9月优惠促销信息如下,10Mbps、 30Mbps、 50Mbps、100Mbps香港优质或BGPN2、阿里云线路、华为云线路,满足多种项目需求!支持测试。全部线路首月五折起。数脉官网 https://my.shuhost.com/香港特价数脉阿里云华为云 10MbpsCN...

NameCheap域名转入优惠再次来袭 搜罗今年到期域名续费

在上个月的时候也有记录到 NameCheap 域名注册商有发布域名转入促销活动的,那时候我也有帮助自己和公司的客户通过域名转入到NC服务商这样可以实现省钱续费的目的。上个月续费转入的时候是选择9月和10月份到期的域名,这不还有几个域名年底到期的,正好看到NameCheap商家再次发布转入优惠,所以打算把剩下的还有几个看看一并转入进来。活动截止到9月20日,如果我们需要转入域名的话可以准备起来。 N...

Hostodo:$19.99/年KVM-1GB/12GB/4TB/拉斯维加斯

Hostodo发布了几款采用NVMe磁盘的促销套餐,从512MB内存起,最低年付14.99美元,基于KVM架构,开设在拉斯维加斯机房。这是一家成立于2014年的国外VPS主机商,主打低价VPS套餐且年付为主,基于OpenVZ和KVM架构,产品性能一般,数据中心目前在拉斯维加斯和迈阿密,支持使用PayPal或者支付宝等付款方式。下面列出几款NVMe硬盘套餐配置信息。CPU:1core内存:512MB...

垃圾邮件为你推荐
网络明星网络明星是什么,出现这一现象的原因是什么外网和内网外网和内网的区别安装程序配置服务器失败SQL安装程序配置服务器失败安装程序配置服务器失败win10安装程序配置服务器失败怎么办手游运营手册游戏策划新手应该看那些书籍?无线路由器限速设置路由器里面限速参数如何设置?金山杀毒怎么样金山杀毒软件咋样?渗透测试渗透测试的专业服务1433端口如何打开SQL1433端口网站联盟网盟跟b2b平台有什么区别
中国万网虚拟主机 互联网域名管理办法 特价空间 表格样式 godaddy优惠券 日本空间 嘉洲服务器 炎黄盛世 北京双线机房 国外免费全能空间 合租空间 泉州移动 台湾谷歌 登陆空间 视频服务器是什么 重庆电信服务器托管 贵州电信 域名商城 隐士ddos 次世代主机 更多