[发明专利]垃圾邮件过滤方法、装置、电子装置和存储介质

权利要求书

1.一种垃圾邮件过滤方法，其特征在于，包括：

获取样本邮件，对所述样本邮件进行解析得到文本信息，对所述文本信息进行特征项提取得到由各特征项及其对应的权重组成的特征向量；

将所述特征向量分为特征项相互独立的两个以上特征子向量，基于人工蜂群算法训练每个所述特征子向量的逻辑回归子模型，得到训练后的逻辑回归子模型，其中，所述逻辑回归子模型为与每个所述特征子向量相对应的逻辑回归模型；

利用每个训练后的逻辑回归子模型对待过滤邮件进行分类，得到每个逻辑回归子模型预测的垃圾邮件概率值，基于贝叶斯公式组合每个逻辑回归子模型预测的垃圾邮件概率值，得到待过滤邮件中的垃圾邮件概率值。

2.根据权利要求1所述的垃圾邮件过滤方法，其特征在于，基于人工蜂群算法训练每个所述特征子向量的逻辑回归子模型，得到训练后的逻辑回归子模型包括：

基于人工蜂群算法更新每个所述特征子向量中的特征项的权重，得到所述特征项的最优权重，根据每个所述特征项的最优权重，得到训练后的逻辑回归子模型。

3.根据权利要求2所述的垃圾邮件过滤方法，其特征在于，基于人工蜂群算法更新每个所述特征子向量中的特征项的权重，得到所述特征项的最优权重，根据每个所述特征项的最优权重，得到训练后的逻辑回归子模型包括：

将每个所述特征子向量分为训练集和测试集，将训练集输入逻辑回归子模型，初始化人工蜂群算法中的相关参数，其中，人工蜂群算法中的相关参数包括食物源的最大循环次数N、终止迭代次数M、食物源的数量和初始解集，其中，食物源表示特征项的权重的可能解，初始解集为原始的食物源；

采蜜蜂根据初始解集生成新的食物源，采用评估函数计算食物源的适应值，若新的食物源的适应值大于原始的食物源的适应值，则用新的食物源代替原始的食物源，其中，适应值为食物源的花蜜量；

观察蜂重新计算初始解集的适应值，根据适应值计算可能为蜜源的概率，根据蜜源的概率选择食物源，并记录全局最优的食物源以及对应的适应值；

当判断采蜜蜂完成N次循环后，若食物源的适应值没有被提高，则丢弃该食物源，与该食物源对应的采蜜蜂变成侦查蜂，所述侦查蜂根据所述特征子向量的上限和下限，计算新的食物源；

判断算法迭代次数是否达到M，若是，则输出花蜜量最大的食物源，并作为所述特征项的最优权重，根据所述特征项的最优权重，得到训练后的逻辑回归子模型；

将测试集输入训练后的逻辑回归子模型，验证所述特征项最优权重的准确性。

4.根据权利要求3所述的垃圾邮件过滤方法，其特征在于，将测试集输入训练后的逻辑回归子模型，验证所述特征项最优权重的准确性包括：

将测试集输入训练后的逻辑回归子模型，得到每个训练后的逻辑回归子模型预测的垃圾邮件概率；

基于贝叶斯公式组合每个逻辑回归子模型预测的垃圾邮件概率值，得到待过滤邮件中的垃圾邮件概率值；

比较待过滤邮件中的垃圾邮件概率值与实际垃圾邮件的概率值，确定所述特征项最优权重的准确性，其中，所述实际垃圾邮件的概率通过所述样本邮件中的垃圾邮件和非垃圾邮件计算得出。

5.根据权利要求1所述的垃圾邮件过滤方法，其特征在于，基于贝叶斯公式组合每个逻辑回归子模型预测的垃圾邮件概率值，得到待过滤邮件中的垃圾邮件概率值包括：

基于贝叶斯公式计算所有逻辑回归子模型预测的垃圾邮件概率值和，得到待过滤邮件中的垃圾邮件概率值。

6.根据权利要求1所述的垃圾邮件过滤方法，其特征在于，获取样本邮件，对所述样本邮件进行解析得到文本信息包括：

基于RFC2822邮件标准、RFC2045邮件标准、RFC2046邮件标准和MIME格式标准，对所述样本邮件进行解码和解析，得到样本邮件的文本信息，其中，所述文本信息包括样本邮件标题、样本邮件文本和样本邮件附件标题。

7.根据权利要求1所述的垃圾邮件过滤方法，其特征在于，所述特征项包括以下至少之一：

字特征、词特征、短语特征、概念特征、字节级n-gram的特征。