贝叶斯算法在垃圾邮件过滤系统中的运用

摘要

电子邮件作为互联网技术发展的产物，在给全球网民带来通讯便利的同时，正不可避免地遭遇有悖初衷的运用。垃圾邮件问题日益严重，受到研究人员的广泛关注。目前经常采用的垃圾邮件过滤技术一般包括白名单与黑名单技术、规则过滤以及基于关键词匹配的内容扫描等。另外一条路线就是从电子邮件的文本内容入手，使用文本分类、信息过滤的算法。本文对邮件过滤中的贝叶斯算法的运用进行了探讨。主要内容如下： 第一章对于电子邮件的发展做简要回顾，详细介绍了互联网垃圾邮件泛滥的现状，在此基础上归纳了垃圾邮件的类型特征和现有的反垃圾邮件技术。 第二章基于内容过滤技术是目前反垃圾邮件用到的主要技术，综述了目前用于垃圾邮件过滤研究的各种语料和评价方法，并总结了目前使用的垃圾邮件过滤技术以及它们之间的对比实验，得到贝叶斯过滤方法的优点分析。 第三章分析了邮件过滤中的简单贝叶斯算法。使用Ling-Spam邮件语料实验贝叶斯算法的性能，并比较特征数量、分类阈值以及语料的预处理层次对结果的影响。 第四章在简单贝叶斯算法的基础上，利用最小风险贝叶斯算法修正过滤器，设计出了一种新的电子邮件过滤系统模型，讨论了系统所需处理的几个关键问题，给出了实验结果。