基于最大熵方法的垃的圾邮件过滤插件的设计与实现.docVIP

基于最大熵方法的垃圾邮件过滤插件的设计与实现 摘要：结合邮件的半结构化特征，将最大熵模型引入垃圾邮件过滤中，构造出基于最大熵模型的垃圾邮件过滤系统框架。在此基础上，将其与Outlook提供的PIA相结合，利用.NET技术开发出基于最大熵模型的垃圾邮件过滤插件，在客户端实现了基于内容的垃圾邮件过滤，较好地解决了垃圾邮件的问题。 　　关键词：最大熵模型；邮件过滤；.NET；Outlook插件 　　　电子邮件以其方便、快捷、低成本等优点逐渐成为人们日常生活中主要的通信手段之一。但大量垃圾邮件的出现，给全球用户带来了巨大损失。据调查，我国用户平均每人每周收到的垃圾邮件数量占收到的总邮件数量的61.63%[1]。垃圾邮件的泛滥已带来严重后果，因此有效地区分正常邮件和垃圾邮件成为一项紧迫的任务。近年来，有关垃圾邮件过滤技术的研究逐渐兴起。常见的过滤方法有黑、白名单技术和规则过滤等，但由于邮件发送者在不断变化，规则难以维护，准确率不高，使这些方法都具有一定的局限性。将垃圾邮件过滤与机器学习、文本分类和信息过滤技术相结合，对邮件正文内容进行分析，已成为目前研究的热点[2]。 　　最大熵模型是一种广泛应用于统计自然语言处理领域的技术。结合邮件的半结构化特性，本文将最大熵模型应用到垃圾邮件过滤中，构造出基于最大熵模型的垃圾邮件过滤系统框架，并将其与Outlook相结合，基于.NET平台开发出了Outlook垃圾邮件过滤插件，在客户端利用最大熵模型实现了基于内容的垃圾邮件过滤。 　　 　　1基于最大熵模型的垃圾邮件过滤 　　 　　1．1最大熵模型 　　 　　2．1互操作程序集 　　.NET框架中提供的COM Interop技术，使开发人员可以在.NET代码中直接访问COM组件。其基本原理[4]是，针对用户要访问的COM组件，.NET框架自动生成一个互操作程序集（Interop Assembly，IA）。IA是一个完全的托管程序集，其命名空间、类、方法等都与COM组件相对应。这样，在.NET程序中可以直接引用IA，由IA完成对真正COM组件的访问。图2说明了IA的作用。 　　微软公司为Outlook 2003提供了一个“正式的”互操作程序集，即主互操作程序集（Primary Interop Assembly，PIA），驻留在名称为Micrsoft.Office.Interop.Outlook.dll的全局程序集缓存中。在Outlook的安装过程中，选择“.NET可编程性支持”，或者下载客户端PIA安装包来完成PIA的安装[5]。 　　 　　2．2Outlook 2003对象模型 　　Outlook通过对象和对象集合的层次系统（称为对象模型）为开发语言提供功能，开发人员利用可用的对象和功能与Outlook进行交互，创建自己的解决方案。下面对其中几个重要的对象进行介绍[6]。 　　2．2．1Application 对象 　　Application是层次结构中所有其他对象的根，提供对其他所有Outlook对象的访问。要从外部应用程序中访问Outlook对象模型，必须先获得Application对象的实例。 　　2．2．2Namespace对象 　　Namespace对象是Outlook数据源的抽象根。如果要访问Outlook数据，则必须创建Namespace对象的实例。目前，所支持的唯一数据源是邮件应用程序编程接口MAPI，用于访问Outlook文件夹组中的所有Outlook数据。 　　2．2．3MAPIFolder 对象 　　Outlook数据存储区内有一组支持默认功能的文件夹，使用Namespace的GetDefaultFolder()方法返回某个默认文件夹，即MAPIFolder对象。 　　2．2．4Items对象 　　Items代表Outlook项目集合，如邮件项目MailItem、任务项目TaskItem等。可以使用Application对象的CreateItem()创建新的项目或使用Items对象的索引器获得并修改现有的项目。 　　2．2．5Explorers和Inspectors对象 　　Outlook对象模型还定义了用来对用户界面进行操作的类型。Explorers对象包含一组Explorer对象，代表所有的浏览器。Explorer类型表示用于显示文件夹内容的窗口。Inspectors对象包含一组Inspector对象，代表所有检查器。Inspector对象代表显示Outlook项目的窗口。 　　 　　2．3用.NET开发Outlook插件 　　利用PIA，开发人员可以在.NET中方便地对Outlook的编程接口进行操作[7]。Visual Studio.NET 2003提供了“共享的外接程序”项目