改進(jìn)的NB算法在垃圾郵件過濾中的應(yīng)用研究.pdf

1、伴隨著信息技術(shù)的快速發(fā)展，網(wǎng)絡(luò)成為了人們的一種社交平臺(tái)，人們的生活、工作及學(xué)習(xí)也變得越來越網(wǎng)絡(luò)化，電子郵件作為常用的網(wǎng)絡(luò)交流工具，尤其是在工作中受到了廣泛的應(yīng)用。但近年來伴隨著網(wǎng)絡(luò)的發(fā)展，垃圾郵件問題也逐漸加重，給用戶的工作產(chǎn)生了不必要的麻煩。在《反垃圾郵件狀況調(diào)查報(bào)告》中揭示了垃圾郵件帶來的諸多危害，主要體現(xiàn)為信息泄漏，安全性較差；浪費(fèi)用戶時(shí)間，影響工作效率；占用網(wǎng)絡(luò)資源造成資源浪費(fèi)等問題。針對(duì)這些情況，現(xiàn)有的垃圾郵件過濾技術(shù)并不能有

2、效快速準(zhǔn)確的解決，因此如何提高垃圾郵件過濾性能值得進(jìn)一步的研究。
　　現(xiàn)有的垃圾郵件過濾技術(shù)存在的問題有計(jì)算復(fù)雜度較高，誤判率較高等問題，不能達(dá)到人們所期望的程度。樸素貝葉斯算法憑借其計(jì)算簡(jiǎn)單等優(yōu)勢(shì)在垃圾郵件過濾中得到普遍應(yīng)用。但其條件獨(dú)立性假設(shè)對(duì)屬性的決策作用產(chǎn)生極大的影響，因此屬性加權(quán)樸素貝葉斯算法產(chǎn)生，基于屬性加權(quán)的思想，如何優(yōu)化權(quán)值，更好地發(fā)揮屬性的決策功能至關(guān)重要。目前，群智能優(yōu)化算法在參數(shù)尋優(yōu)中有很好的效果，故本文將選

3、擇群智能優(yōu)化算法果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm, FOA)算法對(duì)屬性權(quán)值進(jìn)行尋優(yōu)，發(fā)揮屬性的真正決策性。
　　除此之外，本文為了更加增強(qiáng)FOA算法的全局尋優(yōu)能力，提出了一種新的算法——SAFOA，該算法的主要思想是將模擬退火算法(Simulated Annealing, SA)與果蠅優(yōu)化算法進(jìn)行融合，通過判斷果蠅優(yōu)化算法獲得的味道濃度方差大小，以確定是否陷入局部極值，若認(rèn)為陷入局部極

4、值則采用模擬退火算法進(jìn)行尋優(yōu)，從而跳出局部極值，反之，繼續(xù)執(zhí)行果蠅優(yōu)化算法尋優(yōu)。通過在測(cè)試函數(shù)中的測(cè)試實(shí)驗(yàn)驗(yàn)證，SAFOA算法能獲得較好的效果，同時(shí)，以SAFOA替代FOA算法應(yīng)用到垃圾郵件過濾中尋找最優(yōu)權(quán)值。
　　為了驗(yàn)證算法在垃圾郵件過濾中的應(yīng)用效果，采用中國教育和科研計(jì)算機(jī)網(wǎng)緊急響應(yīng)組(Data Sets of Chinese Emails,CCERT2005-jun)及部分自己的郵件內(nèi)容作為數(shù)據(jù)集進(jìn)行測(cè)試。分別應(yīng)用FOA算

5、法與SAFOA算法對(duì)屬性權(quán)值尋優(yōu)，實(shí)驗(yàn)測(cè)試結(jié)果與原始樸素貝葉斯算法(Native Bayes, NB)及加權(quán)樸素貝葉斯算法對(duì)比，得出結(jié)論為通過FOA算法或SAFOA算法的優(yōu)化后的NB算法在垃圾郵件過濾中的準(zhǔn)確率和誤判率均得到提升，驗(yàn)證了權(quán)值優(yōu)化確實(shí)產(chǎn)生了積極作用。另外對(duì)比 FOA-NB算法與SAFOA-NB算法，SAFOA-NB的準(zhǔn)確率和誤判率優(yōu)于FOA-NB算法，雖然提升程度并不十分明顯，但SAFOA-NB算法每次得到的結(jié)果較為穩(wěn)定，