改进的互信息特征选择方法在垃圾邮件检测中的应用

摘要

随着电子邮件数据量的不断增大,特征降维成为垃圾邮件检测研究中不可缺少的一环.目前常见的特征选择方法往往针对的是多分类问题,未能针对二分类问题进行特殊化的处理.因此,该文对传统的互信息特征选择方法进行了改进.除了针对其缺少词频信息,引入词频因子外,还针对二分类问题,引入了特征贡献比的概念.实验证明,采用改进的互信息特征选择方法大大提高了垃圾邮件的检测效果.