基于ART神经网络的垃圾邮件过滤技术.pdfVIP

维普资讯 虽■勇圜 僵囊技木与僵II他 基于 ART神经网络的垃圾邮件过滤技术 TheTechnologyofFilteringSpam BasedonARTNeuralNetwork 马凤云 刘培 玉 MA Feng-yun uU P矗m Abstract 3~oughthetheoryofadaptiveresonance，wemmlyzeART’operationalprincipleandspecificalgo— rithm．Notonlyfilterspamseffectively，weuseAR TtoovercomehtedisadvnatageofBPnetwork，，butalsoreoslvehte contradictionthathtefeaturesofsparesvariesconstantlywhilehtefilteringmehtodsarerelativelysmlie． Keywords Neuralnetwork Adaptivereosnancehteory(AR T) Spam Filter 与输入模式进行比较的机制。 1 引言 ART的功能框图如图2所示，其算法如图3所示 ，其中： 目前垃圾邮件的过滤方法很多，按照分类方法的不同可 I为F的结点数；J为 F2的结点数；up为 LTM 自下而上的权 以分为基于固定规则的分类和基于内容的分类，基于规则的 重 ；down为 LTM自上而下的权重。 分类在现阶段比较流行。由于要人工改变规则来适应各种 各样的环境，所以很难对付特征不断变化的垃圾邮件。 随着神经网络和人工智能的发展，人们正逐步考虑采取 智能化的方法过滤垃圾邮件。国内外已有一些文献将神经 网络用于垃圾邮件的过滤 ，但总的来说，这些文献中采用的 都是比较低级的有导师监督模型(如BP网络)，虽然BP网络 得到了比较广泛的应用，但它存在着明显的缺点： a．存在局部极小点； 输入层 b，收敛速度慢 ； C．为适应新的样本，必须使整个网络重新学习； 图1 基本结构图 d．是一种有导师的离线学习算法。 2 自适应谐振理论 ART ART(AdaptiveReosnanceThoery)模型，由美国Boston大学 的S、Grossberg提出，是一种 自组织神经网络 ，是以认知和行 为模式为基础的一种无教师、矢量聚类和竞争学习的算法。 可对任意多和任意复杂的二维模式进行 自组织 自稳定和大 规模并行处理。 ART的基本结构如图 1所示。它由输入神经元和输 出 神经元组成。采用前 向权系数及样本输入来求取神经元的 输出，这个输出也就是匹配测度；具有最大匹配测度的神经 元的活跃级通过输出神经元之间的横向抑制得到进一步增 强，而匹配测度不是最大的神经元的活跃级就会逐渐减弱， 图2 自适应理论框 图 从输出神经元到输入神经元之间有反馈连接以进行学习比 较。同样 ，还提供一个用来确定具有最大输出的输出神经元 3 训练与测试 首先用训练集 (已知的垃圾邮件和合法邮件的样本)对 * 山东师范大学信息管理学院 济南 250014 ART网络进行训练，以使其内部首先产生两类模板 ，一类用 维普资讯