代价敏感多主题学习的邮件过滤算法

• 作 者: 张绍成 刘威 程子傲 王丹华
• 机 构: 辽宁大学信息化中心,沈阳建筑大学信息网络中心,
• 出 处: 华中科技大学学报(自然科学版)
• 发表日期: 2016年S1期
• 关键词: 邮件 主题学习 狄利克雷分布 支持向量机 垃圾邮件过滤 文本分类 多示例学习 邮件分类 文本 分类算法

针对传统邮件分类模型中较少对邮件主题进行描述和分析的问题,提出一种代价敏感多主题学习的邮件分类算法,用以实现垃圾邮件过滤.首先,基于LDA(潜在狄利克雷分布)对邮件的多个主题进行提取,对邮件语义进行描述;其次,利用CS-SVM(代价敏感支持向量机)对邮件进行代价敏感学习,实现对不同类别邮件的惩罚;最后,结合MI-SVM(多示例支持向量机)进行代价敏感的多主题学习,实现邮件分类.实验采用四组ling-spam处理数据集.实验结果证明:该分类算法较比传统邮件分类算法,可以取得更高的准确性、特异性与敏感性.

Aiming at the problem of less description and analysis of e-mail subject in the traditional e-mail classification model, this paper proposes a cost-sensitive multi-subject e-mail classification algorithm for spam filtering.Firstly, based on the LDA (latent Dirichlet distribution) SVM (cost-sensitive support vector machine) to carry out cost-sensitive learning of the mail, to achieve the punishment of different types of mail; Finally, combined with the MI-SVM Sample Support Vector Machine (SVM)) is used to carry out cost-sensitive multi-topic learning to implement mail classification.The experiment uses four sets of ling-spam processing data sets.The experimental results show that the classification algorithm can achieve higher accuracy than the traditional mail classification algorithm, Specificity and sensitivity.