基于多貝葉斯并行融合模型的郵件過濾算法研究.pdf

1、隨著互聯(lián)網(wǎng)的普及，電子郵件以其快捷、方便的特點已成為互聯(lián)網(wǎng)上最重要的應(yīng)用之一。但垃圾郵件也越來越泛濫，占用了有限的存儲、計算和網(wǎng)絡(luò)資源，耗費了用戶大量的處理時間，影響和干擾了用戶的正常工作。如何有效地防范垃圾郵件問題襲擾已成為人們亟待解決的問題。本文主要研究了郵件過濾算法和實現(xiàn)方法，主要工作包括如下幾個方面： 首先詳細(xì)介紹了電子郵件系統(tǒng)的工作原理、電子郵件的體系結(jié)構(gòu)、電子郵件所使用的協(xié)議以及電子郵件格式。為郵件過濾中的郵件格式的

2、分析以及系統(tǒng)實現(xiàn)提供了前期的準(zhǔn)備工作。然后對郵件過濾中常用文本分類算法進行了分析，并給出了常用的文本分類算法的性能評價指標(biāo)，以召回率與精確度作為本文郵件過濾算法性能評價的指標(biāo)。 然后從貝葉斯算法的原理出發(fā)，分析了貝葉斯算法的主要思想和常用的基于貝葉斯算法的分類模型，總結(jié)其優(yōu)劣，并結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)，采用樸素貝葉斯算法和PG貝葉斯算法Ⅰ、PG貝葉斯算法Ⅱ三種貝葉斯算法的并行融合的策略，提出了一種基于多貝葉斯并行融合的郵件過濾算法，在

3、垃圾郵件語料庫上的實驗數(shù)據(jù)表明，通過這三種貝葉斯算法融合的方法能有效的提高了過濾精確率和召回率，但會導(dǎo)致郵件系統(tǒng)效率降低。 最后，在上述的基于多貝葉斯并行融合模型的郵件過濾算法的基礎(chǔ)上，引入了一種特征項權(quán)重值的調(diào)整策略，采用文本證據(jù)權(quán)函數(shù)對文本特征的權(quán)值進行調(diào)整。在此基礎(chǔ)上，設(shè)計了一個郵件過濾原型系統(tǒng)，對系統(tǒng)中的郵件預(yù)處理、文本分詞、特征提取等主要功能模塊進行了詳細(xì)說明。對原型系統(tǒng)的測試結(jié)果表明，所提出的郵件過濾算法能有效地識別