应用特征词分类贡献的垃圾邮件过滤研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (34): 116-119.

• 数据库、信号与信息处理 • 上一篇下一篇

应用特征词分类贡献的垃圾邮件过滤研究

翟军昌1，秦玉平1，车伟伟2

1.渤海大学，辽宁锦州 121000
2.沈阳大学，沈阳 110044

出版日期:2012-12-01 发布日期:2012-11-30

Feature words classification contribution applied in spam filtering

ZHAI Junchang1, QIN Yuping1, CHE Weiwei2

1.Bohai University, Jinzhou, Liaoning 121000, China
2.Shenyang University, Shenyang 110044, China

Online:2012-12-01 Published:2012-11-30

摘要/Abstract

摘要： 在垃圾邮件过滤中，考虑到特征词对合法邮件和垃圾邮件分类贡献的不同，通过定义分类贡献比系数，将特征词分类贡献的思想应用到特征选择和朴素贝叶斯过滤器的设计中，在英文语料库上进行实验，实验结果表明，应用特征词分类贡献的垃圾邮件过滤方法可以有效提高过滤器对合法邮件和垃圾邮件的识别能力，降低过滤器对合法邮件和垃圾邮件的误判率。

关键词: 特征词, 信息增益, 垃圾邮件, 朴素贝叶斯

Abstract: The paper considers the different classification contribution of feature word for spam filtering, through the definition of classification contribution ratio, and applies into feature selection and Na?ve Bayes filter design, finally carries out an experimental on the English corpus. The results show that the application of feature words classification contribution of spam filtering method can effectively improve the recognition ability and lower the misjudgment rate of the filter on the legitimate e-mail and spam.

Key words: feature word, information gain, spam, Na?ve Bayes

翟军昌1，秦玉平1，车伟伟2. 应用特征词分类贡献的垃圾邮件过滤研究[J]. 计算机工程与应用, 2012, 48(34): 116-119.

ZHAI Junchang1, QIN Yuping1, CHE Weiwei2. Feature words classification contribution applied in spam filtering[J]. Computer Engineering and Applications, 2012, 48(34): 116-119.

[1]	赵宇，祝义，于巧，陈小颖. 基于分层数据筛选的跨项目缺陷预测方法[J]. 计算机工程与应用, 2021, 57(20): 279-286.
[2]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[3]	杨信民，董红斌，谭成予，周雯. 采用奇异值分解和信息增益的树突状细胞模型[J]. 计算机工程与应用, 2021, 57(15): 156-162.
[4]	安葳鹏，程小博，刘雨. Fleiss’ Kappa系数在贝叶斯决策树算法中的应用[J]. 计算机工程与应用, 2020, 56(7): 137-140.
[5]	张岁岁，黄丽霞，王杰，张雪英. 麦克风阵列下互相关函数分类的声源定位[J]. 计算机工程与应用, 2020, 56(4): 128-133.
[6]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[7]	韩素青，成慧雯，王宝丽. 三支决策朴素贝叶斯增量学习算法研究[J]. 计算机工程与应用, 2020, 56(18): 42-49.
[8]	戴敏. 基于NB分类器重访概率预测的Web缓存替换策略[J]. 计算机工程与应用, 2019, 55(19): 134-140.
[9]	陈勇1，2，3，周晓锋2，3，李帅1，2，3. 铝电解关键指标预测方法的研究与应用[J]. 计算机工程与应用, 2019, 55(12): 250-258.
[10]	程运安，汪奕祥. 基于多特征的Android恶意软件检测方法[J]. 计算机工程与应用, 2017, 53(8): 95-101.
[11]	满毅，章炯民，徐晓锦. 一种基于朴素贝叶斯算法的OLAP缓存机制[J]. 计算机工程与应用, 2017, 53(6): 85-90.
[12]	徐光美1，刘宏哲2，张敬尊1，王金华1. 用平滑方法改进多关系朴素贝叶斯分类[J]. 计算机工程与应用, 2017, 53(5): 69-72.
[13]	刘海峰，刘守生，宋阿羚. 基于词频分布信息的优化IG特征选择方法[J]. 计算机工程与应用, 2017, 53(4): 113-117.
[14]	韩军兵，哈力旦·阿布都热依木，古力努尔·艾尔肯，何燕. 改进信息增益的维吾尔文特征选择方法[J]. 计算机工程与应用, 2017, 53(23): 34-38.
[15]	任晓奎，缴文斌，周丹. 基于粒子群的加权朴素贝叶斯入侵检测模型[J]. 计算机工程与应用, 2016, 52(7): 122-126.

应用特征词分类贡献的垃圾邮件过滤研究

Feature words classification contribution applied in spam filtering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics