基于知識(shí)積累型的樸素貝葉斯垃圾郵件過(guò)濾算法研究.pdf

1、隨著互聯(lián)網(wǎng)應(yīng)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(lái)越重要的作用。與此同時(shí)，伴隨著電子郵件的應(yīng)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(luò)中蔓延。這些垃圾郵件極大地浪費(fèi)了互聯(lián)網(wǎng)資源和用戶的時(shí)間。因此，研究對(duì)于垃圾郵件的自動(dòng)過(guò)濾算法具有非常重要的意義。
　　 本文首先針對(duì)郵件所具有的文本特點(diǎn)進(jìn)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(yǔ)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(shù)是垃圾郵件過(guò)濾的基礎(chǔ)，論文針對(duì)當(dāng)前主要的中文文本分詞技術(shù)進(jìn)行了相關(guān)介紹與分析。
　　 其次針對(duì)目前常用的垃圾郵件過(guò)濾算法進(jìn)行了分析，探討了常用的貝葉斯分類模型、原理以及對(duì)應(yīng)算法的特點(diǎn)。同時(shí)對(duì)其他主要分類器的概況及其優(yōu)缺點(diǎn)也進(jìn)行了比較分析。
　　 在現(xiàn)有垃圾郵件過(guò)濾算法的基礎(chǔ)上，針對(duì)基于主動(dòng)學(xué)習(xí)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(shí)積累方法的樸素貝葉斯垃圾郵件過(guò)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(duì)郵件的分析結(jié)果將新型的郵件樣本動(dòng)態(tài)加入訓(xùn)練樣本集中，從而實(shí)現(xiàn)知識(shí)的不斷積累過(guò)程。實(shí)驗(yàn)結(jié)果表明新算法具有較好的過(guò)濾性能。
　　 最后，完成了基于知識(shí)積累方法的樸素貝葉斯垃圾郵件過(guò)濾算法的實(shí)現(xiàn)，本文利用Visual Basic工具，結(jié)合消息應(yīng)用程序編程接口MAPI實(shí)現(xiàn)了一個(gè)垃圾郵件過(guò)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(gè)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(dòng)分類