基于不完全朴素贝叶斯分类模型的垃圾邮件分类模型  

Anti-spam model based on semi-Naive Bayesian classification model

作　　者：惠孛[1] 吴跃[1] 

机构地区：[1]电子科技大学计算机科学与工程学院,成都610054

出　　处：《计算机应用》2009年第3期903-904,907,共3页journal of Computer Applications

基　　金：国家863计划项目(2007AA01Z443);华为软件技术有限公司高校合作项目(YBIN2007243)

摘　　要：由于朴素贝叶斯分类模型的简单高效,在垃圾邮件分类时可以达到较好的效果;但朴素贝叶斯的条件独立假设割裂了属性之间的关系,影响了分类的准确性。放松朴素贝叶斯分类模型关于属性之间条件独立假设,介绍一种新的基于不完全朴素贝叶斯分类模型的垃圾邮件分类模型,N平均1-依赖邮件过滤模型。使用N个1-依赖分类模型的平均概率作为分类的预测概率。实验证明,该模型在简单、高效的同时降低了对垃圾邮件分类的错误率。Because Naive Bayes(NB) classification model is simple and effective,good efficiency can be achieved in anti-spam applications.On the other hand,the assumption of its attribute independence makes it unable to express its semantic dependence.This paper proposed a new anti-spam classification model based on semi-NB classification model,averaged on N one-dependence classification model.It relaxed the assumption of condition independence of each attribute.It was assumed that all attributes were dependent on one...

关 键 词：贝叶斯分类 不完全朴素贝叶斯 垃圾邮件 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]