一种高准确率的垃圾邮件识别方法

摘要：

　　引入柯尔莫格洛夫复杂性理论来描述邮件的特征，采用信息距离理论衡量邮件的相似程度，采用支持向量机(SVM)算法对邮件进行分类，提出了一种高准确率的垃圾邮件识别方法。相对于传统的垃圾邮件识别方法，该方法不需要对垃圾邮件进行邮件分割，省略邮件头分析和正文分析，可以准确地刻画垃圾邮件的主要特征，具有运算简单高效的特点。测试结果表明：该方法对文本邮件的分类准确率高达99%以上，有效提高了垃圾邮件识别的准确率。

关键词： 垃圾邮件 识别方法 柯尔莫格洛夫复杂性 支持向量机

作者: 尚涛 郭正宇 王彦盛

作者单位: 北京航空航天大学电子信息工程学院,北京 100191

会议类型: 国内会议

会议名称: 第九届中国智能机器人学术研讨会

会议地点: 深圳

会议语种:中文

页码: 287-290

在线出版日期: 2011-11-11（万方平台首次上网日期，不代表论文的发表时间）