基于贝叶斯算法的中文垃圾邮件过滤系统研究

• 作者: 丁攀 刘浩然 崔静闯 常金凤 郭长江
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 贝叶斯网络 TF-IDF 遗传算法 短文本分类 中文垃圾邮件过滤
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 学术通信
• 页码范围: 151-159
• 页数: 9页
• 分类号: TP181
• 字数: 8804字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2018281

摘要

目前大部分中文垃圾邮件过滤系统受文本稀疏及模型特征局限的影响较大,其特征高维和特征局限的缺陷成为制约过滤效果的重要因素.针对特征高维问题,提出一种基于中心词扩展的TF-IDF(term frequency-inverse document frequency)特征提取算法,增加了特征节点的表达能力,实现了特征降维.针对分类模型特征局限和属性间条件独立性假设不成立问题,提出一种基于GWO_GA(grey wolf optimizer-genetic algorithm)结构学习算法的3层贝叶斯网络模型,放松了条件独立性假设,增加了特征多样性,最终形成基于中心词扩展的TF-IDF特征提取及 GWO_GA结构学习的3层贝叶斯算法.通过大量中文邮件数据验证,算法可明显提高中文垃圾邮件过滤效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘浩然	燕山大学信息科学与工程学院	80	568	14.0	20.0
3	郭长江	燕山大学里仁学院	11	29	3.0	5.0
6	丁攀	燕山大学信息科学与工程学院	2	6	2.0	2.0
10	常金凤	燕山大学信息科学与工程学院	2	4	1.0	2.0
14	崔静闯	燕山大学信息科学与工程学院	2	6	2.0	2.0