基于貝葉斯技術的郵件過濾研究.pdf

1、一提到電子郵件(e-mail)，相信大家都不會感到陌生。隨著Internet的迅猛發(fā)展，電子郵件憑借使用方便、快捷、廉價的特點很快被廣大網絡用戶所接受，已成為當前最流行的信息交流方式之一。但是電子郵件給我們帶來便利的同時，垃圾郵件也隨之產生，帶來了巨大的危害。近年來大量的商業(yè)、色情、反動垃圾郵件和郵件病毒的泛濫給互聯(lián)網用戶帶來很多煩惱和侵害，也給社會帶來了極大的負面影響，郵件系統(tǒng)的安全問題引起業(yè)界的重點關注。垃圾郵件在國內的情況十分嚴重

2、，中國如今成為了世界垃圾郵件來源的第三大國，反垃圾郵件迫在眉睫。因此研究垃圾郵件過濾具有著極其重大的現(xiàn)實意義。 要對垃圾郵件進行綜合治理，不僅需要通過法律途徑和管理措施，而且需要好的郵件過濾技術。本文主要針對技術措施，探討了垃圾郵件過濾的工作。主要研究工作包括： 1.對郵件過濾技術和貝葉斯技術進行了分析和研究。 本文首先對垃圾郵件過濾的研究背景和研究現(xiàn)狀做出了分析，包括垃圾郵件的危害以及特征類型，揭示了垃圾郵件之

3、所以泛濫成災、屢禁不止的原因。本文歸納分析了目前國內外常見的各種主流反垃圾郵件技術，并分別指出它們的特點和缺陷。并對貝葉斯技術和樸素貝葉斯算法的基本原理以及在郵件過濾中的應用做了探討和研究。 2.提出一種對樸素貝葉斯的改進算法--改進樸素貝葉斯算法。 基于概率統(tǒng)計的樸素貝葉斯算法具有方法簡單、運算速度快、分類精確度高等優(yōu)點，在文本分類中得到廣泛應用。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

4、失。傳統(tǒng)的樸素貝葉斯算法在對郵件進行分類與過濾時，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具有一定的局限性。在此基礎上本文引入損失最小化的思想,將其與樸素貝葉斯算法結合起來，并根據(jù)垃圾郵件的特性做了改進，給出一種改進的樸素貝葉斯垃圾郵件過濾算法。該算法能夠根據(jù)用戶的需求通過調整k值，來達到相應的過濾效果。 3.將Boosting算法引入郵件過濾領域，提出另一種對樸素貝葉斯算法的改進算法--基于Boost

5、ing方法的改進貝葉斯算法。 雖然改進樸素貝葉斯算法能夠根據(jù)k值的動態(tài)選擇，使系統(tǒng)有側重地對待分類郵件進行過濾，但是尼值取的過大或是過小都會使郵件過濾的精確率有所下降。 Boosting方法最大的特點是可以有效地提升算法的精度，它可以將精度較低的“弱學習算法"提升為精度較高的“強學習算法”。為了提高郵件過濾的精確率，本文將Boosting方法應用于郵件過濾領域，用Boosting方法對樸素貝葉斯算法進行提升，提出了一種新