基于貝葉斯技術(shù)的郵件過(guò)濾研究.pdf

1、一提到電子郵件(e-mail)，相信大家都不會(huì)感到陌生。隨著Internet的迅猛發(fā)展，電子郵件憑借使用方便、快捷、廉價(jià)的特點(diǎn)很快被廣大網(wǎng)絡(luò)用戶(hù)所接受，已成為當(dāng)前最流行的信息交流方式之一。但是電子郵件給我們帶來(lái)便利的同時(shí)，垃圾郵件也隨之產(chǎn)生，帶來(lái)了巨大的危害。近年來(lái)大量的商業(yè)、色情、反動(dòng)垃圾郵件和郵件病毒的泛濫給互聯(lián)網(wǎng)用戶(hù)帶來(lái)很多煩惱和侵害，也給社會(huì)帶來(lái)了極大的負(fù)面影響，郵件系統(tǒng)的安全問(wèn)題引起業(yè)界的重點(diǎn)關(guān)注。垃圾郵件在國(guó)內(nèi)的情況十分嚴(yán)重

2、，中國(guó)如今成為了世界垃圾郵件來(lái)源的第三大國(guó)，反垃圾郵件迫在眉睫。因此研究垃圾郵件過(guò)濾具有著極其重大的現(xiàn)實(shí)意義。 要對(duì)垃圾郵件進(jìn)行綜合治理，不僅需要通過(guò)法律途徑和管理措施，而且需要好的郵件過(guò)濾技術(shù)。本文主要針對(duì)技術(shù)措施，探討了垃圾郵件過(guò)濾的工作。主要研究工作包括： 1.對(duì)郵件過(guò)濾技術(shù)和貝葉斯技術(shù)進(jìn)行了分析和研究。 本文首先對(duì)垃圾郵件過(guò)濾的研究背景和研究現(xiàn)狀做出了分析，包括垃圾郵件的危害以及特征類(lèi)型，揭示了垃圾郵件之

3、所以泛濫成災(zāi)、屢禁不止的原因。本文歸納分析了目前國(guó)內(nèi)外常見(jiàn)的各種主流反垃圾郵件技術(shù)，并分別指出它們的特點(diǎn)和缺陷。并對(duì)貝葉斯技術(shù)和樸素貝葉斯算法的基本原理以及在郵件過(guò)濾中的應(yīng)用做了探討和研究。 2.提出一種對(duì)樸素貝葉斯的改進(jìn)算法--改進(jìn)樸素貝葉斯算法。 基于概率統(tǒng)計(jì)的樸素貝葉斯算法具有方法簡(jiǎn)單、運(yùn)算速度快、分類(lèi)精確度高等優(yōu)點(diǎn)，在文本分類(lèi)中得到廣泛應(yīng)用。但是，在郵件過(guò)濾過(guò)程中，合法郵件被誤判為垃圾郵件將可能給用戶(hù)帶來(lái)巨大的損

4、失。傳統(tǒng)的樸素貝葉斯算法在對(duì)郵件進(jìn)行分類(lèi)與過(guò)濾時(shí)，沒(méi)有充分考慮到合法郵件與垃圾郵件具有的不同特性，因此用于郵件過(guò)濾時(shí)具有一定的局限性。在此基礎(chǔ)上本文引入損失最小化的思想,將其與樸素貝葉斯算法結(jié)合起來(lái)，并根據(jù)垃圾郵件的特性做了改進(jìn)，給出一種改進(jìn)的樸素貝葉斯垃圾郵件過(guò)濾算法。該算法能夠根據(jù)用戶(hù)的需求通過(guò)調(diào)整k值，來(lái)達(dá)到相應(yīng)的過(guò)濾效果。 3.將Boosting算法引入郵件過(guò)濾領(lǐng)域，提出另一種對(duì)樸素貝葉斯算法的改進(jìn)算法--基于Boost

5、ing方法的改進(jìn)貝葉斯算法。 雖然改進(jìn)樸素貝葉斯算法能夠根據(jù)k值的動(dòng)態(tài)選擇，使系統(tǒng)有側(cè)重地對(duì)待分類(lèi)郵件進(jìn)行過(guò)濾，但是尼值取的過(guò)大或是過(guò)小都會(huì)使郵件過(guò)濾的精確率有所下降。 Boosting方法最大的特點(diǎn)是可以有效地提升算法的精度，它可以將精度較低的“弱學(xué)習(xí)算法"提升為精度較高的“強(qiáng)學(xué)習(xí)算法”。為了提高郵件過(guò)濾的精確率，本文將Boosting方法應(yīng)用于郵件過(guò)濾領(lǐng)域，用Boosting方法對(duì)樸素貝葉斯算法進(jìn)行提升，提出了一種新