基于最小風險的中文垃圾郵件過濾技術分析與設計.pdf

1、隨著互聯(lián)網的迅猛發(fā)展,電子郵件因之通信快捷,價格便宜,操作簡單,已成為最受歡迎的通信工具。不過垃圾郵件問題在搗亂電子郵件,它不僅消耗網絡資源,也浪費用廣大量時間和精力。因此,垃圾郵件過濾有重要的意義?，F有的貝葉斯算法由于使用貝葉斯貝努利模型處理特征項和單一地構建垃圾郵件判定尺度導致郵件特征項利用率降低和合法郵件被誤判風險增大。本文通過貝葉斯多項式模型提高特征項的利用率,通過概率差來提高垃圾郵件判定標準以降低合法郵件被誤判的風險。

2、　　本文深入研究和對比現有垃圾郵件過濾相關技術,探討了中文分詞、特征選取、垃圾郵件過濾算法的主要研究內容。根據不同的優(yōu)化目標,比較和總結了多種典型的垃圾郵件過濾算法,指出了現有的垃圾郵件過濾算法的不足。針對現有貝葉斯算法面臨特征項利用率低的問題,提出利用貝葉斯多項式模型來處理郵件文本的特征項。該模型首先計算特征項在郵件文本中出現的概率,再根據計算出來的概率區(qū)分郵件特征項的重要性來提高特征項的利用率。針對現有貝葉斯算法存在合法郵件被誤判風

3、險的問題,提出了基于最小風險的貝葉斯多項式算法。該算法在構建垃圾郵件判定尺度的同時,也構建合法郵件判定尺度,對一個郵件進行判定時,既度量其為垃圾郵件的概率,同時也度量其為合法郵件的概率,通過概率差來分類郵件,降低合法郵件被誤判的風險。
　　綜上所述,本文設計一個基于最小風險的貝葉斯垃圾郵件過濾系統(tǒng)。該系統(tǒng)在中文分詞和特征提取模塊中用貝葉斯多項式模型計算特征項概率來區(qū)分特征項的重要性,提高特征項的利用率。在基于最小風險的貝葉斯過濾器