基于不完全朴素贝叶斯分类模型的垃圾邮件分类模型

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.

关键词：贝叶斯分类、不完全朴素贝叶斯、垃圾邮件

所属期刊栏目：29

分类号：TP181;TP391.4;TP393.098(自动化基础理论)

资助基金：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

在线出版日期：2009-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：903-904,907