垃圾郵件的并行過濾模型及算法研究與實現(xiàn).pdf

1、電子郵件已經成為人們日常生活中通信、交流的重要手段之一,但垃圾郵件問題也日益嚴峻,網民平均每天收到的垃圾郵件數(shù)量已超過了正常郵件.目前經常采用的垃圾郵件過濾技術一般包括白名單與黑名單技術、規(guī)則過濾以及基于關鍵詞匹配的內容掃描等.也可以從電子郵件的文本內容入手,使用文本分類、信息過濾的算法,在訓練郵件集合上學習垃圾郵件分類器.垃圾郵件過濾中常用的文本分類方法有簡單貝葉斯、k-近鄰、決策樹、boosting等.簡單貝葉斯方法計算簡便,但由于

2、算法假設條件的限制,查全率和正確率都難以達到一個更高的層次.其他的幾種方法有的效果比簡單貝葉斯好一些,但計算較復雜.本文在分析簡單貝葉斯方法的基礎上,試圖尋找一種速度快、計算簡便、性能好的垃圾郵件過濾器.提出了并行過濾垃圾郵件的概念,將計算機理論中的"流水"引入到垃圾郵件分類器中,不僅實現(xiàn)并行效果,并且在公用郵件語料上的實驗表明,并行過濾模型的的效果比較好,查全率和準確率都比較令人滿意.具體的說,本文的工作主要包含:概述垃圾郵件過濾問題