基于知識積累型的樸素貝葉斯垃圾郵件過濾算法研究.pdf

1、隨著互聯(lián)網(wǎng)應用的不斷深入，電子郵件已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?，并發(fā)揮著越來越重要的作用。與此同時，伴隨著電子郵件的應用，各種廣告、成人交友、商品推銷等垃圾郵件信息也在網(wǎng)絡中蔓延。這些垃圾郵件極大地浪費了互聯(lián)網(wǎng)資源和用戶的時間。因此，研究對于垃圾郵件的自動過濾算法具有非常重要的意義。
　　 本文首先針對郵件所具有的文本特點進行了分析，介紹了文本分類中常用的向量空間模型。由于中文語句不存在類似于空格等天然詞與詞之間的分割

2、符，因此中文分詞技術是垃圾郵件過濾的基礎，論文針對當前主要的中文文本分詞技術進行了相關介紹與分析。
　　 其次針對目前常用的垃圾郵件過濾算法進行了分析，探討了常用的貝葉斯分類模型、原理以及對應算法的特點。同時對其他主要分類器的概況及其優(yōu)缺點也進行了比較分析。
　　 在現(xiàn)有垃圾郵件過濾算法的基礎上，針對基于主動學習的分類算法所要求的樣本空間全面性的不足之處，提出了一種基于知識積累方法的樸素貝葉斯垃圾郵件過濾算法。算法基于樸

3、素貝葉斯算法的分類原理，利用用戶對郵件的分析結果將新型的郵件樣本動態(tài)加入訓練樣本集中，從而實現(xiàn)知識的不斷積累過程。實驗結果表明新算法具有較好的過濾性能。
　　 最后，完成了基于知識積累方法的樸素貝葉斯垃圾郵件過濾算法的實現(xiàn)，本文利用Visual Basic工具，結合消息應用程序編程接口MAPI實現(xiàn)了一個垃圾郵件過濾器原型系統(tǒng)。原型系統(tǒng)主要包括郵件獲取與用戶處理兩個主要子系統(tǒng):郵件獲取子系s統(tǒng)包括用戶登錄、郵件獲取以及郵件自動分類