基于特征数据库的邮件Bayes分类器设计与实现.pdfVIP

计算机科学2004V01．31№．10(增刊) 基于特征数据库的邮件Bayes分类器设计与实现 andRealizationof CIassifier Design BasedonCharacter B3yes Databaseof E—Mall 陆海峰何小卫 (浙江师范大学信息科学与工程学院金华321004) AbstractThi3 the ofdata mtothe information the paperimportsth。ugh mini“g domain。fE—Mall，uses techmque o“ext classification，theof andstatistics to theE—Mail thearlthmeticof theo‘yprobability cla83ify automaticallyby after the and ofthe Bayes informationchar8cterolE．Mail pkk-upcompres3 Keywords Data“ning，ProbabiIity，Class．fy 于每一个测试样本，将已知的类标号与该样本的学 1引言 习模型类预测比较，如果认为模型的准确率可以接 随着Internet的发展，电子邮件作为快捷、廉价 受，就可以用它对类标号未知的未分类邮件进行分 的现代通信方式．已经成为越来越多人的重要通信 类。 选择方式。大量“垃圾”邮件的存在是不争的事实，它 们既浪费人们的时间，又占用宝贵的网络资源，利用 邮件较准确的自动分类功能我出“垃圾”邮件，对于 用户客户端尤其是对于收发邮件的服务端具有非常 重要的意义：不仅可以对邮件服务器接收到的邮件 进行分类，更重要的是可以利用自动分类对邮件服 务器转发出去的邮件在发送前进行“过滤”，从而在 图1样本训练 很大程度上堵住“垃圾”邮件的来源。 本文在电子邮件信息的特征提取和电子邮件信 息的特征压缩的基础上，研究对基于特征数据库的 邮件Bayes分类器设计与实现。 2数据分类 数据分类是一个两步的过程。 固2样本测试 第一步(图1)，建立一个模型，描述预定的数据 类集或概念集，通过分析由属性描述的数据库元组 5分类算法及分类过程 来构造模型。对于分类，数据元组也被称作样本，实 例或对象。为建立模型而被分析的数据元组形成训 5．1 贝叶斯分类的定义 练数据集，训练数据集中的单个元组称作训练样本， 邮件分类是系统的实质阶段，在此垃圾邮件和 该步也称作有指导的学习。 非垃圾邮件分别定义为两个类c1]。它们以特征提取 通常，学习模型