基于多貝葉斯并行融合模型的郵件過(guò)濾算法研究.pdf

1、隨著互聯(lián)網(wǎng)的普及，電子郵件以其快捷、方便的特點(diǎn)已成為互聯(lián)網(wǎng)上最重要的應(yīng)用之一。但垃圾郵件也越來(lái)越泛濫，占用了有限的存儲(chǔ)、計(jì)算和網(wǎng)絡(luò)資源，耗費(fèi)了用戶大量的處理時(shí)間，影響和干擾了用戶的正常工作。如何有效地防范垃圾郵件問(wèn)題襲擾已成為人們亟待解決的問(wèn)題。本文主要研究了郵件過(guò)濾算法和實(shí)現(xiàn)方法，主要工作包括如下幾個(gè)方面： 首先詳細(xì)介紹了電子郵件系統(tǒng)的工作原理、電子郵件的體系結(jié)構(gòu)、電子郵件所使用的協(xié)議以及電子郵件格式。為郵件過(guò)濾中的郵件格式的

2、分析以及系統(tǒng)實(shí)現(xiàn)提供了前期的準(zhǔn)備工作。然后對(duì)郵件過(guò)濾中常用文本分類算法進(jìn)行了分析，并給出了常用的文本分類算法的性能評(píng)價(jià)指標(biāo)，以召回率與精確度作為本文郵件過(guò)濾算法性能評(píng)價(jià)的指標(biāo)。 然后從貝葉斯算法的原理出發(fā)，分析了貝葉斯算法的主要思想和常用的基于貝葉斯算法的分類模型，總結(jié)其優(yōu)劣，并結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)，采用樸素貝葉斯算法和PG貝葉斯算法Ⅰ、PG貝葉斯算法Ⅱ三種貝葉斯算法的并行融合的策略，提出了一種基于多貝葉斯并行融合的郵件過(guò)濾算法，在

3、垃圾郵件語(yǔ)料庫(kù)上的實(shí)驗(yàn)數(shù)據(jù)表明，通過(guò)這三種貝葉斯算法融合的方法能有效的提高了過(guò)濾精確率和召回率，但會(huì)導(dǎo)致郵件系統(tǒng)效率降低。 最后，在上述的基于多貝葉斯并行融合模型的郵件過(guò)濾算法的基礎(chǔ)上，引入了一種特征項(xiàng)權(quán)重值的調(diào)整策略，采用文本證據(jù)權(quán)函數(shù)對(duì)文本特征的權(quán)值進(jìn)行調(diào)整。在此基礎(chǔ)上，設(shè)計(jì)了一個(gè)郵件過(guò)濾原型系統(tǒng)，對(duì)系統(tǒng)中的郵件預(yù)處理、文本分詞、特征提取等主要功能模塊進(jìn)行了詳細(xì)說(shuō)明。對(duì)原型系統(tǒng)的測(cè)試結(jié)果表明，所提出的郵件過(guò)濾算法能有效地識(shí)別