基于字符语言模型的垃圾邮件过滤.pdfVIP

基于字符语言模型的垃圾邮件过滤★ 苏绥林鸿飞叶正 大连理工大学计算机科学与工程系大连116024 E-mail：irlab@dlut．edu．cn 摘要：基于内容的过滤是当前解决垃圾邮件问题的主流技术之一。本文先简单综述了当前基于内容的垃圾邮 件过滤中采用的各种技术，在此基础H是出将基于字符的语言模型应用千垃圾邮件过滤任务中，并通过实验对 比了该方法与Naive Bayes、SVM和基于词的语言模型方法的性能差异．以及不同n值、不同特征选择方式对 过滤结果的影响。实验结果表明，基于字符的语言模型实现简单凡具有很高的性能，能较好的满足大规模在线 邮件系统的需要，具有很高的实用价值。 关键词：垃圾邮件过滤；语言模型；朴素贝叶斯；支撑向量机；n-Gra／n Character‘_。basedModeI i for LanguagengApproachSpam Fi I teri ng Sui Ye Su，HongfeiLin，Zheng l16024 Scienceand UnivemityofTechnology,Dalian DepartmentofComputerEngineering,Dalian E-mail：irlab@一dlut．edu．cn Abstract：Content-basedisoneofthemainstream usedSOfar．This first spanafiltering technologies paperbriefly art Oncontentandthen acharacter-based reviewedthestateof based proposed spamfilteringapproaches language usedin taskonthebasisofthese the modelingapproachspam technologies．Weexperimentallycompared filtering ofthis withNaive andWord-based approach Bayes、SVM languagemodelingapproach．Ourexperimental perfonnance that Canachieve be to resultsshowedcharacter-based high languagemodelingapproach performance，easilyapplied on-line e-mail and is value． large-scalesystem ofhighpractical Model：Naive Keywords：Sparefiltering；LanguageBayes；SVM；n-Gram 1 引言 作为Intemet上普及率最广的应用之一，电子邮件通讯在人们的同常生活中伴有越来越重要 的角色。然而近年来，垃圾