改进的贝叶斯垃圾邮件过滤算法 王美珍.docx

改进的贝叶斯垃圾邮件过滤算法 王美珍 改进的贝叶斯垃圾邮件过滤算法lowbar;王美珍 第37卷　第8期2021年　8月　华　中　科　技　大　学　学　报(自然科学版) J . Huazho ng U niv . of Sci . T ech . (Na tural Science Edition ) V ol . 37N o . 8 A ug . 　2021 改进的贝叶斯垃圾邮件过滤算法 王美珍　李芝棠　吴汉涛 (华中科技大学计算机科学与技术学院, 湖北武汉430074) 摘要:为了减少垃圾邮件误判造成的影响, 在传统的贝叶斯算法基础上提出了相应的改进措施:引入损失因子来评估垃圾邮件误判件时带来的风险. 通过理论推导和实验验证, 得出损失因子的最佳值, 来改善正常邮件的误判问题. 最后通过实验测试和结果分析, 表明基于改进的贝叶斯算法在垃圾邮件过滤中可以有效地减少误判, 使查全率和查准率达到一个比较理想的效果. 关　键　词:垃圾邮件; 最小风险; 贝叶斯; 损失因子; 误判; 风险 中图分类号:T P301. 6　　文献标识码:A 　　文章编号:1671-4512(2021) 08-0027-04 An improved Bayes algorithm for filtering spam e -mail Wang Meizhen 　Li Zhitang 　W u H antao (Co llege o f Co mputer Science and T echno log y , H uazhong Univ ersity of Science and T echno lo gy , Wuhan 430074, China ) A bstract :In o rder to reduce the influence of spam false negative result , an improment solutio n based on the traditio nal Bayesian algo rithm is propo sed , in w hich the loss factor is introdued to evaluate the risk o f spam false neg ative ra te . Through the theory inference and experim ental verificatio n , the best value of the lo ss facto r w as obtained , w hich can improve the misjudg ment problem of the Bayesian al -g orithm . Lastly , by experiments te sting and ianaly sis , the result indicats that the improved Bayesian algo rithm can reduce the false neg ative e rror rate w hen filtering spam e -mail , and take the recall and precision rate s into correspondly ideal effect . Key words :spam e -mail ; minim um risk ; Bayesian ; loss factor ; false regative ; risk 　　垃圾邮件的过滤算法有很多种, 其中最有代表性的是决策树算法、Bo osting 算法、支持向量机、k 近邻算法、贝叶斯算法等. 目前使用最广泛的是基于贝叶斯模型的统计过滤方法. 垃圾邮件过滤其实就是邮件分类问题, 把邮件分为垃圾邮件和正常邮件. 这就可以应用贝叶斯定理, 通过对已经正确分类的邮件来预测新接收的邮件是否为垃圾邮件. 贝叶斯算法中用得最多的是朴素贝叶斯算法[3～5]. 它是基于各个特征项之间是相互独立的这个假设前提的. 由于简单的二分类问题不可避免地带来一些错误判断, 例如将正常邮件判断为垃圾邮件, 将垃圾邮件判断为正常邮件, 因此本文在传统贝叶斯算法的基础上引入损失因 收稿日期:2021-12-29. 作者简介:王美珍(1974-) , 女, 讲师, E -mail :mzw ang @mail . hust . edu . cn . 基金项目:国家自然科学基金资助项目(60573120