垃圾邮件分类技术对比研究

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

１垃圾邮件的定义和现状
随着我国乃至世界互联网的飞速发展，我国网民的数量呈几何式的增长，网络已经成为人民生活中必不可少的一项重
要环节。中国互联网络信息中心（ＣＮＮＩＣ）在２０１３年１月发布的《第３１次中国互联网络发展统计报告》中显示，我国网民规模达５．６４亿，２０１２年全年共计新增网民５０９０万人。互联网普及率为４２．１％，较２０１１年年底提升３．８个百分点。得益于
等指标中的突出表现。主流分类器算法包括ｋ近邻、贝叶斯、ＳＶＭ等，其中详细展示了线性分类器在垃圾邮件分类算法实验中的突出表现。关键词：垃圾邮件；文本分类；特征选择
中图分类号：ＴＰ３０９文献标识码：Ａ文章编号：１６７１ — １１２２（２０１４）ｐａｒａｔｉｖｅＳｔｕｄｙｏｆＭｅｔｈｏｄｓｏｎＳｐａｍＦｉｌｔｅｒｉｎｇ
ＺＨＡ０Ｘｉａｏ．ｄａｎ．ＸＵＹａｎ（１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＢｅｊｉｉｎｇＬａｎｇｕａｇｅａｎｄＣｕｌｔｕｒｅＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ；２．Ｉｎｓｔｉｔｕｔｅｏｆ
摘要：文章主要进行了接收端的垃圾邮件处理技术的对比研究，包括预处理、特征选择和分类３大步骤。其中特征选择技术包括文档频率（ＤＦ）、信息增益（ＩＧ）、优势率（ＯＤＤ）等方法。文章详细介绍
了其中基于粗糙集理论的特征选择方法——信息增益（ｋｎｏｗｌｅｄｇｅｇａｉｎ），并用实验验证了该方法在正确率
２０１４年第Ｏ２期
ｌｉｔｄｏｉ：１０３９６９／ｊｉｓｓｎ１６７１－１１２２２０１４０２．０１４
垃圾邮件分类技术对比研究
赵晓丹。，徐燕。
（１．北京语言大学信息科学学院，北京１０００８３；２．中国科学院计算技术研究所，北京１００１９０）
ＣｏｍｐｕｔｉｎｇＴｅｃｈｎｏｌｏｇｙ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｊｉｉｎｇ１００１９０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｍａｉｎｌｙｉｎｔｒｏｄｕｃｅｓｔｈｅｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｆｍｅｔｈｏｄｓｄｅａｌｉｎｇｗｉｔｈｈｅｔｓｐａｍｉｎｒｅｃｅｉｖｉｎｇｅｎｄ，ｗｈｉｃｈｉｎｃｌｕｄｅｓｐｒｅｐｒｏｃｅｓｓｉｎｇ，ｆｅａｔｕｒｅｓｅｌｅｃｔｉｎｇａｎｄｃｌａｓｓｉｆｙｇ．Ｄｏｃｕｍｅｎｔｓｆｒｅｑｕｅｎｃｙ，ｉｎｆｏｒｍａｔｉｏｎｇａｉｎａｎｄｏｄｄｓｒａｔｉｏａｒｅａｌｌｔｈｅｍｅｔｈｏｄｓｏｆｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ．Ｔｈｉｓｐａｐｅｒａｌｓｏｉｎｔｒｏｄｕｃｅｓａｎｅｗｍｅｔｈｏｄｏｆｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ，ｗｈｉｃｈｉｓｋｎｏｗｌｅｄｇｅｇａｉｎ．Ｉｔｓｅｘｃｅｌｌｅｎｔｂｅｈａｖｉｏｒｉｓｖｅｒｉｉｅｆｄｉｎｈｅｔｅｘｐｅｒｉｍｅｎｔ．ＣｏｍｍｏｎｃｌａｓｓｉｉｅｆｒｓｉｎｃｌｕｄｅＫＮＮ，Ｂａｙｅｓ，ＳＶＭ，ｅｔｃ．Ｔｈｅｌｉｎｅｒｃｌａｓｓｉｉｅｆｒｓａｌｓｏｈａｖｅｔｈｅａｄｖｎｔａａｇｅｓｉｎｓｐａｍｗｈｉｃｈｉｓｐｒｅｓｅｎｔｅｄｉｎｔｈｅｅｘｐｅｒｉｍｅｎｔｔｏｏ．Ｋｅｙｗｏｒｄｓ：ｓｐａｍ；ｔｅｘｔｃｌａｓｓｉｉｃｆａｉｏｔｎ；ｆｅａｔｕｒｅｓｅｌｅｃｉｏｔｎ
互联网的不断发展，电子邮件因其快速便捷的沟通方式也在人们生活和工作中扮演着不可替代的角色。与此同时，大量的