基于特征项区分度的加权朴素贝叶斯邮件过滤方法

• 作者: 刘淑芬 王辉 黄自威
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 垃圾邮件 特征提取 特征项区分度 加权朴素贝叶斯
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 67-71,81
• 页数: 6页
• 分类号: TP391
• 字数: 7613字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.10.015

摘要

如何高效地特征提取和分类算法设计是衡量基于内容邮件过滤技术优缺点的关键。针对互信息 MI（Mutual Information）特征提取算法和朴素贝叶斯分类算法，通过引入特征项区分度的概念，分析特征项在分类中区分能力之间的差异，进而提出一种兼顾特征项区分度和互信息的特征提取算法。通过进一步将区分度添加到分类算法设计中，最终提出一种加权朴素贝叶斯算法，高效地解决基于内容邮件过滤问题。实验结果证明，改进后的算法在召回率、精确率和正确率上均有明显提高，且分类性能更加稳定。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王辉	河南理工大学计算机科学与技术学院	205	987	17.0	22.0
5	刘淑芬	吉林大学电子与工程学院	96	764	14.0	21.0
6	黄自威	河南理工大学计算机科学与技术学院	2	10	1.0	2.0