翟军昌，车伟伟

(1.渤海大学，辽宁 锦州 121000;2.沈阳大学，辽宁 沈阳 110044)

0 引言

伴随着电子邮件(E-mail)的广泛应用，大量包含欺诈、营销、暴力、色情和病毒等信息的垃圾邮件也随之产生。针对垃圾邮件问题的处理，目前主要以过滤技术为主，其中典型的代表有以基于内容的过滤和基于身份标示的过滤2种类型［1-4］。基于内容的过滤技术，以贝叶斯(Bayes)［5-8］、支持向量机(SVM)和决策树(KNN)等机器学习方法为代表，该类方法的主要特点是，根据邮件的内容特征作为邮件分类的依据。基于身份标示的过滤技术，以基于黑、白名单过滤，反向DNS查询和基于用户信誉的过滤技术等为代表，该类方法的特点是根据邮件发件人的身份特征相关信息来判断邮件是否为垃圾邮件［1-4］。

目前基于贝叶斯算法的垃圾邮件过滤研究中，主要集中以下几个方面的研究:(1)邮件样本的特征项选择处理方法研究［9］;(2)贝叶斯算法自身的改进研究［10-11］;(3)贝叶斯算法与其它算法结合研究［12-13］;(4)基于贝叶斯算法的用户反馈方式研究［1］等。

本文针对垃圾邮件过滤中过滤器对合法邮件的误判问题，对条件熵H(c|t)中的条件概率p(ci|t)和)的计算方法利用贝叶斯法则进行变形处理，并在变形后的计算方法中考虑特征项t出现和不出现时的先验概率分布情况，利用特征项t的先验概率对条件熵H(c|t)进行加权处理，从而对信息增益的估计方法作了改进。最后从降低用户损失的角度去考虑，将改进后的信息增益估计方法与最小风险贝叶斯决策算法结合对邮件过滤。……