进的贝叶斯分类对垃圾邮件识别探讨.pdf

现代商贸工业 No．24，2009 ModernBusinessTrade 2009年第24期 Industry 改进的贝叶斯分类对垃圾邮件识别探讨 徐春玲 (南昌大学信息工程学院，江西南昌330013) 摘要：垃圾邮件日益泛滥给人们的生活带来了越来越多的扰乱与危害。结合规则过滤技术及改进的朴素贝叶斯分 类模型，对垃圾邮件进行识别过滤，最后实验结果表明该策略提高了准确率，具有良好的分类效果。 关键词：垃圾短信l过滤；贝叶斯分类；概率 中图分类号：TP393 文献标识码：A 0前言 矗)时会有很大开销，为了降低这种计算成本，假设类别的限 随着邮件在人们日常生活中的应用飞速发展，各种垃 制性条件是相互独立的，也就是假设了各个属性之间是相 圾邮件大量出现，带来了网络安全等诸多问题，影响了人们 互独立的。不存在相互依赖的关系。 方便快捷地获取有效信息。为了更有效过滤垃圾邮件，提 k) (2) P(Xk)=Ⅱ：一】P(xt 出了改进的朴素贝叶斯分类方法，该分类方法在描述的简 Ci)，p(x2ci)。…，p(x。I 对于公式(2)来说，概率p(xx 洁性、预测准确性、计算复杂性、模型的健壮性及处理规模 cj)，可以从样本数据中获取。其计算方法在取值为连续型 性方面均符合有效分类模型的评估标准，使用用其对垃圾 和离散型时有所不同。 邮件进行分类识别有效实现了对邮件的过滤。 如果Ak是离散型取值，则P(xk l贝叶斯分类算法 表示在A^中，属于“类的训练样本数据中含有的zl值的 在分类研究中经常使用的有有最小距离分类器，K_最 数量埔表示训练样本数据集中属于ci类的数量． 近邻分类器，NaiveBayes分类器和支持向量机分类器 如果A^是连续型取值，则采用最常见的高斯分布来计 (SVM)等，其中Bayes分类器在实际应用中取得了比较好算，即： 的效果，该算法利用先验概率来计算某个分类目标属于某 1 t^一^。 P(xk (3) Ci)=g(xk，肚，巩)一-===一e—ir 个类别的概率。贝叶斯分类的理论基础是贝叶斯定理就是 。。 ‘ ％／2nocj 公式(1)也称逆概率公式。 公式(3)中，g(xt，胁；，巩。)是属性Ak高斯密度函数，雕。 假设试验E的样本空间为S，A为E的事件，B1、 及“分别表示类ci中训练样本数据中Al属性值的平均值 B2……Bn为S的一个划分，且P(A)0，P(Bi)0(i一 及标准差。 1。2，…，，1)，由条件概率的定义及全概率公式： (5)为了对未知类别的样本数据进行分类，需要对每一 p(BiIA)：掣型型—盟 (1) 类G估计P(XICi)P(ci)，当且仅当下列条件成立时表示样 ∑P(AIBf)·p(Bi) 本数据X属于Ci类。P(XICi)P(