论文部分内容阅读
随着因特网的迅猛发展,在线的可用电子信息也迅速增加,电子邮件作为一种最快捷、最经济的通信方式,也得到飞速发展。但是同时,许多垃圾邮件也在网络中蔓延,占据了邮件服务器的大量存储空间,用户往往要花费大量时间去删除这些垃圾邮件。因此,研究邮件的自动过滤具有重要意义。邮件的自动过滤主要有基于规则和基于概率两种方式。基于概率的朴素贝叶斯算法具有方法简单、运算速度快、分类精确度高等优点,在文本分类中得到广泛应用。但是,在邮件过滤过程中,合法邮件被误判为垃圾邮件将可能给用户带来巨大的损失。传统的朴素贝叶斯算法在对邮件进行分类与过滤时,没有充分考虑到合法邮件与垃圾邮件具有的这一不同特性,因此用于邮件过滤时有一定的局限性。本文介绍了当前流行文本分类器的工作原理及其优缺点,分析了传统贝叶斯算法在邮件过滤过程中所存在的局限性,在此基础上,提出了基于最小风险贝叶斯邮件过滤算法,实验结果表明,该算法能在正确分类邮件的同时,减少合法邮件的误判率,在对垃圾邮件进行分类与过滤时具有较好的性能。基于上述算法,本文实现了一个邮件过滤器原型系统。