基于广义同余神经网络的邮件过滤.pdfVIP

No．8A 计算机科学2005V01．32 基于广义同余神经网络的邮件过滤*l A NeuralNetworkBased to Generalized E-mail Congruence Approach Filtering 陈勇1-3王国胤1·2 (西南交通大学计算机与通信工程学院 成都610031)1 (重庆邮电学院计算机科学与技术研究所 重庆400065)2 (重庆市计算机网络与通信技术重点实验室 重庆400065)3 AbstractInthis Neural anovd CongruenceNetwork(GCNN)with is paper，Generalized learningalgorithmapplied tOautomated e-mail onfour available show anti-spamfiltering．Experimentspublicly corporathatitismoreaccurate thanseveralothermachine learningtechniques． Generalized Keywords congruence，Neuralnetwork，Spam，E-mailfiltering 来的结果通常要比把垃圾邮件判为正常邮件严重。 1 引言 在过去几年，研究人员针对邮件过滤做了大量 随着计算机网络的飞速发展和应用，电子邮件 在人们生活中扮演着越来越重要的角色。与此同 per。Sahami等人[61采用了Naive Bayes分类器。 时，垃圾邮件泛滥也成为一个日益严重的问题。垃 Pantel和Lin[73发现NaiveBayes的效果要好于 圾邮件不仅烦扰广大用户，也浪费了ISP带宽和 CPU时间。其数量也与日剧增。1997年的一项研和PART平均来说要优于NaiveBayes和lpNN。 究显示，一个公司网站收到的邮件中大约含有10％ 的垃圾邮件[1]。AOL公司2002年的公众评论表 明：每天近3千万邮件中平均有30％为垃圾邮件。 到目前，垃圾邮件已经多于正常邮件[2]。如果没有 适当的对策，垃圾邮件将使得电子邮件的有用性大 大下降。 反垃圾邮件的立法措施已渐渐在美国、欧洲以 及其它一些地区实行口]。但到目前为止，该措施的 效果有限，我们仍能收到大量垃圾邮件就证实了这 人[10,12～13]在这方面做了很多工作，他们先后采用了 Naive 一点。更为直接、有效的办法是采用邮件过滤器自 Bayes，k—NN，Flexible 动地过滤收到的垃圾邮件。目前商用的过滤器大多 SVM等分类器，同时他们也研究了属性、训练集数 是依赖于“白名单”(信任用户地址列表)、“黑名单” 目对分类器性能的影响，并建立了四个用于邮件分 (垃圾邮件地址列表)或者手动阻止邮件头含有可疑 类的标准数据集。 字词的邮件。由于垃圾邮件地址、内容随时间变化 然而，神经网络在此