以递增式分群为基之分类方法过滤具偏斜类别及概念漂移之-gebrc.pdfVIP

資訊管理學報　第十五卷　第二期 27 以遞增式分群為基之分類方法過濾具偏斜類別 及概念漂移之垃圾郵件 蕭文峰 屏東商業技術學院資訊管理系 張德民 中山大學資訊管理系 胡國信 財團法人金屬工業研究發展中心 摘要 電子郵件是現代人最常用以接收資訊的媒介之一 ，然而許多人利用它的方便 、快 速 、及成本低廉等特性散佈大量電子郵件 ，以達到廣告宣傳的效果。如此造成電子郵件 用戶的信箱中充斥著大量未經用戶許可的垃圾郵件 。因此解決垃圾郵件問題是一個重要 且急迫的議題 。本研究的目的即在於提出適當的分類方法以提高過濾垃圾郵件的績效 。 所提方法 「以遞增式分群為基之分類器(Incremental Clustering-Based Classifier ; ICBC) 」 是以分群為基礎之分類演算法 ：ICBC會將文件分成數群 ，並找出每群等量具代表性的特 徵 ，以解決垃圾郵件資料偏斜的問題 ；同時ICBC也具有遞增學習的能力，能以較低的成 本及較快的速度來適應環境的改變，以解決電子郵件主題漂移的問題 ，並避免每次用所 有資料重新學習的成本負擔 。本研究共進行了四個實驗以瞭解所建構分類器的效能，實 驗結果顯示ICBC可有效地同時處理中英文垃圾郵件之過濾 ；也能克服資料偏斜與主題漂 移的問題 。這些實驗結果驗證了ICBC 的適用性 。 關鍵字：垃圾郵件過濾 、資料偏斜 、主題漂移 、遞增式學習 28 資訊管理學報　第十五卷　第二期 An Incremental Cluster-Based Classification Approach to Filtering Spam with Skewed Classes and Drifting Concepts Wen-Feng Hsiao Department of Information Management, National Pingtung Institute of Commerce Te-Min Chang Department of Information Management, National Sun Yat-sen University Guo-Hsin Hu Metal Industries Research Development Centre Abstract E-mail has become one of the most popular communication channels for people to disseminate information nowadays. However, because of its convenience, speediness, and low cost, some people abuse this channel to spread information for advertisement and promotion purpose. This often causes users’ troubles in managing their mailboxes. These unsolicited and undesired emails are referred