邮件过滤中特征选择方法的性能评价与分析.pdf

第29卷第2期 计算机应用研究 V01．29No．2 2012年2月 Researchof Feb．2012 Application Computers 邮件过滤中特征选择方法的性能评价与分析木 赵静钆6，刘培玉钆6，许明英钆6 (山东师范大学a．信息科学与工程学院；b．山东省分布式计算机软件新技术重点实验室，济南250014) 摘要：基于内容的邮件过滤本质是二值文本分类问题。特征选择在分类之前约简特征空间以减少分类器在 计算和存储上的开销，同时过滤部分噪声以提高分类的准确性，是影响邮件过滤准确性和时效性的重要因素。 但各特征选择算法在同一评价环境中性能不同，且对分类器和数据集分布特征具有依赖性。结合邮件过滤自身 特点，从分类器适应性、数据集依赖性及时间复杂度三个方面评价与分析各特征选择算法在邮件过滤领域的性 能。实验结果表明，优势率和文档频数用于邮件过滤时垃圾邮件识别的准确率较高，运算时间较少。 关键词：邮件过滤；特征选择；朴素贝叶斯；支持向量机 中图分类号：TP393 文献标志码：A 文章编号：1001—3695(2012)02一0693—05 doi：10．3969／j．issn．1001．3695．2012．02．078 Evaluationand offeatureselectionmethodsfbre—mail analvsis filtering ZHA0 Jin98”，UUPei_yu8…，XUMing—ying“o D括f一6¨把d (Ⅱ．Jsc^ooz0，，他向r，M￡ion＆抬榭E昭iwe一昭，6．跏。砌增ProFi聊施f‰yk60m￡o，y如r^h堆f comp“￡er_s妒埘。形孔如肋f99y， “Mn250014，吼iM) of re— naturecontent_based isa textclassificationFeatureselectionmethods Abstract：The binary pmblem． e·ma订filtering ducedthefeaturedimensionbefore e—mailsinordertoreducethecostof and some classifying computingstorage，whilefiltering noisefeaturesto theclassmcationFeatureselectionwasan factorwhichdecidedthe and impmve accumcy． important accuracy timelinessofe—mail featureselection haddif绝rent inthesame filtering．However，every a190rithm pedIormance envimnment， andwas datadistribution． characteristicsof eva