遺傳算法和貝葉斯模型在垃圾郵件過濾中的應用.pdf

1、隨著科學技術的快速發(fā)展和互聯(lián)網(wǎng)時代的到來，電子郵件以其方便、快捷、低成本的特點成為人們工作、生活不可缺少的通訊工具。但是電子郵件的快速發(fā)展也讓某些不法商人看到其中的巨大利益，垃圾郵件隨之出現(xiàn)并且日益泛濫。垃圾郵件在互聯(lián)網(wǎng)上的傳播不僅浪費互聯(lián)網(wǎng)資源，而且成為有害信息和惡意軟件傳播的重要途徑。由于數(shù)量龐大的垃圾郵件對個人和企業(yè)的利益都造成了嚴重危害，反垃圾郵件的相關技術和政策隨之出現(xiàn)。在早期的反垃圾郵件技術中，研究者們提出了基于黑白名單的過

2、濾技術、基于關鍵字的過濾技術、基于自定義規(guī)則的過濾技術等。這些方法能在一定程度上遏制垃圾郵件的傳播，但是由于本身規(guī)則固定、且需要大量人工維護，目前都只是作為輔助手段。針對這些反垃圾郵件技術的缺點，研究者們提出了基于概率統(tǒng)計和機器學習的過濾技術，如貝葉斯分類技術。
　　研究者們對于原始的貝葉斯分類技術進行了很多方面的改進，比如樸素貝葉斯分類模型以及AODE分類模型。針對實際應用場景中對實時性的要求，也有研究者提出了AAPE分類模型。

3、但是AAPE分類模型在選擇父屬性時沒有考慮屬性本身的順序?qū)Ψ诸惤Y果的影響，因此有可能導致分類早期的分類正確率較差。本文中針對 AAPE分類模型的不足，提出了基于遺傳算法和特征項權重的GAAPE分類模型，在計算資源和分類結果之間取得動態(tài)平衡。本文的主要研究成果如下：
　　1.將遺傳算法和特征項權重計算方法引入AAPE分類模型，提出了GAAPE分類模型。分別利用屬性平均互信息和卡方統(tǒng)計信息的大小作為遺傳算法適應度函數(shù)的依據(jù)，使用遺傳算