無標注自學習反垃圾郵件服務(wù)的研究.pdf

1、隨著計算機網(wǎng)絡(luò)與通訊技術(shù)的發(fā)展與應(yīng)用,電子郵件也得到了廣泛的應(yīng)用。但是,隨之而來的垃圾郵件問題日益嚴重,反垃圾郵件技術(shù)的研究和發(fā)展越來越受到人們的關(guān)注。
　　 目前,設(shè)計實現(xiàn)了POP3郵件過濾代理模型,但該模型在其穩(wěn)定性上不盡如人意,而且在郵件解析過程和分類過程的效率較低。
　　 在基于內(nèi)容的郵件過濾中,基于規(guī)則的過濾方法的優(yōu)點是可以在無標注樣本的情況下實現(xiàn)垃圾郵件的分類,而且已經(jīng)有現(xiàn)成的規(guī)則庫可共享;缺點是這種方法需要

2、手工編寫規(guī)則,規(guī)則的形成落后于垃圾郵件特征的出現(xiàn),因此經(jīng)常出現(xiàn)垃圾郵件漏檢現(xiàn)象。
　　 在郵件過濾系統(tǒng)的自學習方面,基于co-training的郵件過濾方法能夠?qū)崿F(xiàn)利用小規(guī)模標注樣本和大規(guī)模未標注樣本來提高分類器的性能,從而滿足用戶自適應(yīng)的需要。
　　 基于上述研究背景,對POP3郵件過濾代理模型SAMFUF進行了優(yōu)化,提出用規(guī)則與co-training融合過濾的方法實現(xiàn)無標注自學習反垃圾郵件服務(wù)。
　　 本文的

3、主要工作和創(chuàng)新點如下:
　　 (1)在設(shè)計實現(xiàn)POP3郵件過濾代理模型的基礎(chǔ)上,針對該模型在連接過程、郵件解析和分類過程中存在的問題,對郵件解析過程進行了重新設(shè)計,優(yōu)化原POP3郵件過濾代理模型中詞典等數(shù)據(jù)結(jié)構(gòu),將原模型中各模塊對文本文件的操作改為對內(nèi)存變量的操作,避免了頻繁的磁盤I/O操作,并以靜態(tài)庫的形式實現(xiàn)郵件解析過程,簡化調(diào)用程序。
　　 (2)將分類程序變成lib文件加入到POP3郵件過濾代理模型中,用線程調(diào)用

4、分類算法的方法代替啟動進程調(diào)用分類程序的方法,提高郵件分類的效率。
　　 (3)通過對基于規(guī)則的過濾方法的研究,驗證了基于規(guī)則的過濾方法能夠?qū)崿F(xiàn)零標注下垃圾郵件過濾的要求。通過對基于co-training的過濾方法的研究,驗證了基于co-training的過濾方法具有很強的自學習能力,通過自學習能夠逐步提高分類器的性能。進而提出將規(guī)則和co-training融合的思想實現(xiàn)無標注自學習反垃圾郵件服務(wù)的要求。設(shè)計固定時間點切換過濾方