ارائه فیلتری نوین مبتنی بر روش بیزین برای شناسایی هرزنامه ها

امروزه ایمیل به یکی از رایج ترین ابزار ارتباطی در زندگی روزمره بشر تبدیل شده است. این ارتباط چه یک مکالمه ساده دوستانه باشد چه یک موضوع مهم تجاری، ایمیل متدی سریع و ارزاق قیمت برای برقراری این ارتباط است. متأسفانه همین عمومیت و سادگی استفاده از ایمیل باعث شده تا مورد سوء استفاده هرزنامه نویسان و کلاهبرداران اینترنتی قرار بگیرد. مسئله ای که روزی کم اهمیت جلوه می نمود امروزه به معضلی جدی برای میلیون ها کاربر ایمیل بدل شده است و استفاده از ابزار و متدهایی برای شناسایی و فیلتر هرزنامه ها ضرورتی غیر قابل انکار است. در این مقاله با اعمال تغییرات در فرمول های الگوریتم بیزین، فیلتری نوین مبتنی بر روش بیزین برای شناسایی هرزنامه ها طراحی و پیاده سازی شده است که با استفاده از تکنیک های یادگیری ماشین، کار کلاس بندی متن را روی پیام های متنی ایمیل انجام می دهد. در ابتدا فیلتر با 4200 پیام اسپم و 4200 پیام غیر اسپم از دیتاست Enron آموزش داده شده است و سپس با 1200 پیام مورد تست و ارزیابی قرار گرفته است. نتایج حاصل از تست نشان می دهد که با اعمال تغییرات پیشنهادی در محاسبه احتمال ها و ترکیب آن ها می توان تا حد زیادی کارایی و دقت فیلتر بیزین را بهبود بخشید.

کلیدواژه ها:

هرزنامه ، فیلتر هرزنامه ، الگوریتم بیزین ، پردازش متن ، بازیابی اطلاعات ، یادگیری ماشین ، کلاس بندی متن