基于贝叶斯分类的垃圾短信过滤方法研究

• 作者: 林英 秦江龙 谢仲文 陈静怡
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 垃圾短信 朴素贝叶斯 文本分类 特征评分 阈值 增量学习
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1752-1756,1784
• 页数: 6页
• 分类号: TP309.2
• 字数: 3187字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.09.027

摘要

随着智能手机的普及，短信在给人们生活带来便利的同时，也引发了诸如短信诈骗、短信骚扰、违法信息传播等信息安全问题。由于传统基于朴素贝叶斯分类进行短信过滤的方法在后验概率接近的情况下，分类效果并不理想。论文提出一种多层次的短信过滤方法。该方法首先结合阈值与特征评分的方法，提高垃圾短信分类的准确率；其次，在此方法的基础上，引入增量学习机制，解决由于短信的时新性、复杂性带来的误判。实验结果表明相较于朴素贝叶斯分类及单独改进的方法，多层次过滤的改进方法能有效提高短信分类的正确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林英	云南大学软件学院	32	197	7.0	12.0
2	谢仲文	云南大学软件学院	26	97	6.0	8.0
3	秦江龙	云南大学软件学院	13	61	5.0	7.0
4	陈静怡	云南大学软件学院	3	5	1.0	2.0