一種的復(fù)合雙引擎智能垃圾郵件過濾方法.pdf

1、最近幾年,互聯(lián)網(wǎng)進(jìn)入了飛速發(fā)展的時(shí)期,尤其是電子郵件的廣泛使用極大的方便了人們的通訊交往,降低了人們的通訊成本,與此同時(shí),也產(chǎn)生了新的問題——大量垃圾郵件的涌現(xiàn),這也導(dǎo)致花大量的時(shí)間和精力來處理來垃圾郵件。如何更加準(zhǔn)確地將垃圾郵件從正常郵件中區(qū)分出來并過濾掉,已經(jīng)成為一個(gè)世界性的課題,即反垃圾郵件問題。為了解決這個(gè)讓人棘手的問題,一定要采取一個(gè)系統(tǒng)化的方案,包括立法、社會(huì)組織、技術(shù)方法。從技術(shù)的角度出發(fā),傳播垃圾郵件和過濾垃圾郵件是此消

2、彼長(zhǎng)的長(zhǎng)期斗爭(zhēng)過程,就像反病毒一樣。為此,本文就反垃圾郵件的應(yīng)用技術(shù),貝葉斯分類模型,中心距向量空間模型,多分類模型組合等相關(guān)理論和知識(shí)進(jìn)行了研究?；诟怕式y(tǒng)計(jì)原理的貝葉斯分類算法是一種經(jīng)典的文本分類方法,它本身具有理論發(fā)展成熟,分類準(zhǔn)確度高的特點(diǎn);中心距向量空間模型是一種新穎的文本分類算法,由于其很好的準(zhǔn)確性,良好的多分類性能,目前也被廣泛應(yīng)用到各類文本分類應(yīng)用中。在分析了這幾種方法和技術(shù)在郵件過濾應(yīng)用中各自的優(yōu)缺點(diǎn)后,根據(jù)這幾種算法

3、的優(yōu)缺點(diǎn),對(duì)它們進(jìn)行改良、相互結(jié)合、并增加了通過查看發(fā)出的郵件內(nèi)容進(jìn)行自動(dòng)學(xué)習(xí)的機(jī)制。另外,該算法針對(duì)中英文垃圾郵件采用不同的學(xué)習(xí)算法,從而建立一個(gè)適用中英文環(huán)境的垃圾郵件過濾方法。實(shí)驗(yàn)表明,該方法的效率和性能達(dá)到了較好的水平。本文用VC++和MySQL數(shù)據(jù)庫(kù)設(shè)計(jì)了一個(gè)基于貝葉斯算法的垃圾郵件過濾系統(tǒng)。具體實(shí)現(xiàn)是通過將基于TDI網(wǎng)絡(luò)驅(qū)動(dòng)過濾的技術(shù)和應(yīng)用層的基于貝葉斯算法和中心距向量算法的文本分類技術(shù)結(jié)合起來達(dá)到的。為了提高貝葉斯算法對(duì)中