一种基于N-gram组合的中文垃圾邮件过滤方法

• 作者: 刘新斌 李俊
• 来源期刊: 微电子学与计算机
• 关键词: 反垃圾邮件 中文邮件 贝叶斯模型 N-gram 代价敏感
• 年，卷（期）: 2004,（12）
• 页码范围: 85-91
• 页数: 7页
• 分类号: TOP393.098
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7180.2004.12.024

摘要

中文垃圾邮件的泛滥提出了极为迫切的技术诉求.本文使用了基于简单贝叶斯模型的过滤算法,同时使用N-gram对中文文本进行自动分词,并且组合多个N-gram来加快分类的收敛速度,这样分类是一种切实可行的垃圾邮件过滤方法.对于这种代价敏感性(cost sensitive)的分类,通过移动门限值的方法来处理;在评估结果时采用了TCR以及召回率(SR)和正确率(SP)等参数考察实验数据.实验表明:这种方法代价较小,而正确率较高.最后我们认为可以通过筛选训练邮件以及和其它措施相结合来满足ISP级别等应用场合的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊	中国科学院计算机网络信息中心	242	2653	26.0	41.0
2	刘新斌	中国科学院计算机网络信息中心	1	15	1.0	1.0