基于改進(jìn)貝葉斯算法的垃圾郵件過濾系統(tǒng)研究.pdf

1、隨著因特網(wǎng)的快速發(fā)展，電子郵件作為一種快捷、經(jīng)濟(jì)的通信方式，給人們工作生活帶來了深刻影響。但是同時(shí)，大量垃圾郵件開始在網(wǎng)絡(luò)中蔓延，占據(jù)了郵件服務(wù)器大量的傳輸、存儲(chǔ)和計(jì)算資源，用戶往往要花費(fèi)很多時(shí)間去處理無任何價(jià)值的垃圾郵件。因此，研究過濾性能更佳的垃圾郵件過濾技術(shù)具有重要意義，反垃圾郵件技術(shù)已成為影響互聯(lián)網(wǎng)發(fā)展的重要課題之一，也是當(dāng)前信息處理領(lǐng)域的一個(gè)研究熱點(diǎn)。 郵件的自動(dòng)過濾技術(shù)主要有基于規(guī)則和基于統(tǒng)計(jì)概率兩種方式?；诟怕实?/p>

2、樸素貝葉斯(Bayes)算法具有方法簡(jiǎn)單、運(yùn)算速度快、分類精確度高等優(yōu)點(diǎn)，在文本分類中得到廣泛應(yīng)用。但是，在郵件過濾過程中，合法郵件被誤判為垃圾郵件將可能給用戶帶來巨大的損失。同時(shí)，樸素貝葉斯算法在對(duì)郵件進(jìn)行分類與過濾時(shí)，沒有充分考慮到合法郵件與垃圾郵件具有的不同特性，因此用于郵件過濾時(shí)有一定的局限性。 本文研究了當(dāng)前流行郵件分類器的工作原理及其優(yōu)缺點(diǎn)，分析了傳統(tǒng)貝葉斯算法在郵件過濾過程中所存在的局限性。在此基礎(chǔ)上，在預(yù)處理分詞

3、階段采用二元短路徑粗分分詞方法進(jìn)行分詞預(yù)處理，較好地實(shí)現(xiàn)了郵件文本的分詞功能。特征提取時(shí)，首先進(jìn)行噪聲過濾，去除掉原本無用的干擾特征詞，將相對(duì)系數(shù)引入TFIDF方法中計(jì)算權(quán)值，據(jù)此對(duì)特征向量進(jìn)行評(píng)估，實(shí)現(xiàn)特征向量空間降維，減小特征項(xiàng)的數(shù)量。 在過濾階段通過對(duì)計(jì)算步驟調(diào)整優(yōu)化了局部樸素貝葉斯郵件過濾算法，并建立了垃圾郵件過濾器模型，實(shí)驗(yàn)結(jié)果表明，該模型能在正確分類郵件的同時(shí)，減少合法郵件的誤判率，在對(duì)垃圾郵件進(jìn)行分類與過濾時(shí)具有較