改进的朴素贝叶斯算法在垃圾邮件过滤中的研究Studyonanimproved.PDF

第 38 卷第 4 期 通 信 学 报 Vol.38 No.4 2017 年 4 月 Journal on Communications April 2017 doi:10.11959/j.issn.1000-436x.2017084 改进的朴素贝叶斯算法在垃圾邮件过滤中的研究 杨雷 1 ，曹翠玲 1 ，孙建国 1,2 ，张立国 1 （1. 哈尔滨工程大学计算机科学与技术学院, 黑龙江 哈尔滨 150001 ； 2. 中国科学院信息工程研究所, 北京 100093 ） 摘 要：提出了一种利用支持向量机改进的朴素贝叶斯算法——TSVM-NB 算法。首先利用 NB 算法对样本集进 行初次训练，利用支持向量机构造一个最优分类超平面，每个样本根据与其距离最近样本的类型是否相同进行取 舍，这样既降低样本空间规模，又提高每个样本类别的独立性，最后再次用朴素贝叶斯算法训练样本集从而生成 分类模型。仿真实验结果表明，该算法在样本空间进行取舍过程当中消除了冗余属性，可以快速得到分类特征子 集，提高了垃圾邮件过滤的分类速度、召回率和正确率。 关键词：邮件过滤；朴素贝叶斯；支持向量机；修剪策略 中图分类号：TP309 文献标识码：A Study on an improved naive Bayes algorithm in spam filtering 1 1 1,2 1 YANG Lei , CAO Cui-ling , SUN Jian-guo , ZHANG Li-guo (1. College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China; 2. Institute of Information Engineering, Chinese Academy of Sciences, Beijing 100093, China) Abstract: A method of improved support vector machine naive Bayes algorithm was proposed——TSVM-NB algorithm. First using NB algorithm to initial sample set, constructing an optimal classification by SVM, each sample according to its distance from the sample was the same type of recent choice, so as to reduce the size of the sample space, but also im- prove the independence of each sample the last category, again with naive Bayes algorithm training set to generate the classification model. Simulation results show that the algorithm selection process to eliminate the redundant attributes in the sample space, the classification