基于適應(yīng)概念漂移的垃圾郵件過(guò)濾系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、電子郵件作為當(dāng)今一種方便、快捷的互聯(lián)網(wǎng)信息交流方式,受到越來(lái)越多人的青睞。但是垃圾郵件的出現(xiàn),并且日益嚴(yán)峻,使這種便利的方式給人帶來(lái)了煩惱。反垃圾郵件技術(shù)已成為互聯(lián)網(wǎng)信息領(lǐng)域的一個(gè)研究熱點(diǎn),基于內(nèi)容的反垃圾郵件過(guò)濾技術(shù)更是一種成熟而且有效的技術(shù)方案。
　　 基于樸素貝葉斯的垃圾郵件過(guò)濾方法是當(dāng)前基于文本內(nèi)容過(guò)濾方法的有效算法之一。隨著時(shí)間的變化,垃圾郵件的特征也在不斷的改變,然而傳統(tǒng)的訓(xùn)練模型必須重新進(jìn)行訓(xùn)練才能適應(yīng)新的郵件特征

2、的改變。因此,傳統(tǒng)的樸素貝葉斯過(guò)濾方法必須與其它技術(shù)結(jié)合才能有效的適應(yīng)新特征的變化。本文提出的實(shí)例選擇-分類(lèi)器加權(quán)集成算法,是采用數(shù)據(jù)挖掘領(lǐng)域的流問(wèn)題解決方案來(lái)適應(yīng)郵件流的問(wèn)題的解決思路,成為當(dāng)前的研究熱點(diǎn)。本方法是在研究樸素貝葉斯的基本原理,分析其優(yōu)缺點(diǎn)的基礎(chǔ)上,基于傳統(tǒng)分類(lèi)器的靜態(tài)特性,將概念漂移的思想應(yīng)用到垃圾郵件過(guò)濾系統(tǒng)上,在中文的CCERT“2005-Jul”數(shù)據(jù)集上,取得了不錯(cuò)的效果,不僅在從精度上,更重要的適應(yīng)性上,從不適

3、應(yīng)到適應(yīng),從精度低到精度高,完成了一個(gè)動(dòng)態(tài)的適應(yīng)過(guò)程。
　　 1)本文首先分析了中文詞語(yǔ)的特點(diǎn)和常見(jiàn)的詞典結(jié)構(gòu),解讀了樸素貝葉斯算法的基本原理,概念漂移的基本思想,同時(shí)給出了通用分類(lèi)算法評(píng)價(jià)標(biāo)準(zhǔn)。
　　 2)在第三章,描述了整個(gè)系統(tǒng)的總體目標(biāo),以及本模塊的總體架構(gòu),并給予了模塊概括性的描述。
　　 3)在第四章,闡釋模塊內(nèi)部各個(gè)功能點(diǎn)的詳細(xì)設(shè)計(jì)和實(shí)現(xiàn),提供了偽代碼級(jí)的說(shuō)明了詳述。
　　 4)在測(cè)試和分析章