基于贝叶斯增量分类的邮件过滤研究

• 作 者: 余承依
• 机 构: 漳州师范学院数学与信息科学系
• 出 处: 科学技术与工程
• 发表日期: 2009年9期
• 关键词: 贝叶斯 垃圾邮件过滤 增量学习 Bayesian spam filtering incremental learning

随着internet的快速发展，垃圾邮件泛滥成灾。面对垃圾邮件日益严重的现状，提出了贝叶斯邮件过滤模型并讨论了贝叶斯分类方法在垃圾邮件过滤中的应用。针对难以获得大量有类别标签的邮件训练集问题，利用贝叶斯具有增量学习特征，分析并提出了基于小规模训练集的贝叶斯增量邮件过滤方法，通过最小化当前邮件分类器的分类损失，来选择有利于提高分类器性能的邮件加入训练集。实验结果表明，该方法是切实可行的并具有良好的效果。