基于朴素贝叶斯算法的垃圾邮件过滤研究

摘要

针对朴素贝叶斯(NB)算法在分类前期的训练阶段大量消耗系统和网络资源,严重影响分类效率的问题,提出使用树结构的思想,对NB算法中使用数组来维护训练样本中特征词出现的次数进行优化改进.针对NB算法在邮件样本属性个数较多时,分类效果较差的问题,对特征词条件概率进行开方处理,增加了系统对高频词汇的敏感度.实验结果表明:与NB算法相比,改进后的算法在训练时间、查准率、调和率等方面具有较好的效果,通过调整开方次数z值,来降低垃圾邮件的误判率,实验发现,当z值取到3时,各项分类性能指标都达到了一个比较理想的效果.