基于改进信息增益的垃圾邮件过滤探究.pdfVIP

第 2O卷 第 13期 电子设计工程 2012年 7月 V01．20 No．13 ElectronicDesignEngineering Ju1．2012 基于改进信息增益的垃圾邮件过滤研究 翟军昌 ，车伟伟 ，刘艳丽 。，康建军 (1．渤海大学 辽宁 锦州 121000；2．沈 阳大学 辽宁 沈 阳 110044： 3．铁岭市清河区教育局 辽宁 铁岭 112003) 摘要 ：信 息增益是文本分类 中一种有效的特征项选择方法 ，针对垃圾 邮件过滤 中的特征项选择 问题 ．提 出了一种改 进的信 息增益方法提取特征词 ，并采用了最小风 险贝叶斯 的决策方法 ，最后在英文语料库上进行实验 。实验结果表 明 改进后 的方法降低 了过滤器对合法邮件 的误判。 关键词 ：信 息增益 ；特征选择 ；垃圾 邮件 ；最小风险贝叶斯 中图分类号 ：TP391 文献标识码 ：A 文章编号 ：1674—6236(2012)13—0009—03 Studyon spam filteringbasedonimprovedinformationgain ZHAIJun—chang’，CHEWei-wei，LIUYan—li，KANGJian-jun (1．BohaiUniversity，Jinzhou121000，China；2．ShenyangUniversity，Shenyang110044，China 3．TielingCityQingheDistrictBureauofEducation，Tieling112003，China) Abstract：Theinformationgain isaneffectivefeatureselectionmethodforthetextclassification，ofrspam filteringinthe featureselectionproblem，putforwardakindofimprovedinfomr ationgainmethodofextractingfeaturewords，andtheuseof theminimum riskBayesdecisionmethod，finallyintheEnglishCorpusforexperiments，theexperimentalresultsshowthatthe improvedmethodtoreducethefilteroflegitimateemailsmisjudgment． Keywords：infomr ationgain；featureselection；spam；riskminimizationbayes 垃圾 邮件 日益泛滥产生一些列 的问题 ，如导致 邮件服务 险贝叶斯分类器对邮件过滤 ．实验结果表 明改进后的方法 降 器 的运行效率降低 、产生网络拥塞和网络安全等 。随着垃圾 低 了对合法邮件 的误判 。 邮件技术手法越来越复杂 ，如 隐藏邮件头等ll1，垃圾 邮件更加 1 邮件特征提取 具有攻击性 ，而且垃圾 邮件 的危害更大 ．因此垃圾 邮件过滤 研究具有重要 的现实意义。目前针对垃圾邮件 的处理主要 以 电子邮件本身是一种无结构的文本 ．计算机对 邮件进行 过滤技术为主 ，其 中基于机器学习方法的垃圾邮件过滤技术 学习和处理时 ．一般要采用 向量空间模型对邮件进行 向量化 应用研究最多，如 SVM、KNN、Winnow、Bayes等方法[21。机器 处理 ，向量空间可 以看成是 由n个特征项 t。，t：，… ，t构成 的 学习的方法将垃圾邮件过滤看成一个分类 问题 。首先收集大