基于貝葉斯方法的中文垃圾郵件過濾技術(shù)研究.pdf

1、郵件在日常生活中被廣泛使用，而垃圾郵件的傳播大大影響了人們的正常生活，浪費(fèi)大量的網(wǎng)絡(luò)資源，造成大量財(cái)力人力的浪費(fèi)。如何控制垃圾郵件的傳播是各國(guó)正在研究的課題之一。如今，中文垃圾郵件的數(shù)量大大增加，在前人研究的基礎(chǔ)上，利用前人的研究成果，對(duì)中文垃圾郵件的過濾技術(shù)進(jìn)行深入研究，對(duì)于控制中文垃圾郵件的傳播以及占領(lǐng)該領(lǐng)域的市場(chǎng)有很大的作用。 目前實(shí)際應(yīng)用的主要過濾方法是基于關(guān)鍵字的簡(jiǎn)單規(guī)則的過濾，包括黑白名單、郵件頭分析等。這些方法具有

2、很大的局限性，過濾效果不是很好。 為了能更好的進(jìn)行郵件過濾，文本分類和信息過濾理論被應(yīng)用到郵件過濾上來(lái)，提出了許多的基于內(nèi)容的郵件過濾方法。 另外，針對(duì)中文垃圾郵件獨(dú)有的特點(diǎn)，需要把國(guó)外現(xiàn)有的技術(shù)進(jìn)行改進(jìn)才能夠應(yīng)用到實(shí)際中。 本文首先分析了垃圾郵件的現(xiàn)狀，介紹垃圾郵件的定義及解決垃圾郵件的兩種途徑：然后敘述了郵件系統(tǒng)的相關(guān)理論，包括郵件的傳輸過程，使用的相關(guān)傳輸協(xié)議，郵件的格式信息，以及在郵件傳輸過程中的不同階段

3、可以采用的過濾方法：接著分析了目前常用的簡(jiǎn)單過濾方法，和文本分類方法的郵件過濾方法，并詳細(xì)介紹了貝葉斯方法的相關(guān)理論。在分析中文垃圾郵件的特點(diǎn)之后，在CCERT提供的郵件樣本的基礎(chǔ)上，試驗(yàn)了樸素貝葉斯方法。實(shí)驗(yàn)中，首先通過試驗(yàn)確定一些參數(shù)，并總結(jié)這些參數(shù)對(duì)于實(shí)驗(yàn)結(jié)果的影響規(guī)律。在確定參數(shù)之后，在不同的樣本規(guī)模下實(shí)驗(yàn)樸素貝葉斯方法的過濾效果。最后對(duì)傳統(tǒng)的方案進(jìn)行了兩種改進(jìn)方法，并進(jìn)行試驗(yàn)。最后提出了在Windows下利用SPI技術(shù)構(gòu)建客戶