陈念，唐振民

1.池州学院数学与计算机科学系，安徽池州 247000

2.南京理工大学计算机科学与工程学院，南京 210094

QBC主动采样学习在垃圾邮件在线过滤中的应用

陈念1，2，唐振民2

1.池州学院数学与计算机科学系，安徽池州 247000

2.南京理工大学计算机科学与工程学院，南京 210094

垃圾邮件指的是通过群发方式，未经许可强行向用户发送的电子邮件，其承载的信息多为商业广告，但也充斥着相当数量的诈骗、色情信息，严重干扰了人们的日常生活，甚至会造成一定的经济损失。提供邮件服务的网站都有一些垃圾邮件在线过滤的方法，其实质都是解决二值文本的在线分类问题[1]，但由于垃圾邮件本身的格式、内容等都在不断地发生变化，因此分类器也需要获取相应的样本进行更新。网络上存在着一些已被标注的邮件样本，但更多的是未经用户标注的样本。当前研究方向是：以较小的标注成本获取高价值的样本，快速地建立训练集，使得垃圾邮件在线过滤既能满足低计算量的要求，又能兼顾高识别率的期望。

主动学习是近年来机器学习研究的热点，它改变了原先分类器被动接受训练样本的学习方式[2]，在已有带标签样本数量不足，分类器充分训练得不到保证的条件下，在无标签样本池中通过一定的采样策略主动选择样本，经专家或用户标注类别后，加入训练集。现有的采样策略主要分三种[3]：一是基于不确定性的采样策略，文献[4]中提出的边界采样（Margin Sampling）是目前广泛被使用的一种方法，它在SVM超平面附近采集类别归属不确定性大的样本进行机器训练，并在各种实际应用中取得很好分类效果。……