[发明专利]基于部分匹配预测的垃圾邮件分类方法

摘要

本发明公开了一种基于部分匹配预测的垃圾邮件过滤方法。包括如下步骤：1)将新邮件变换成为一个001～127ASC II值对应字符组成的字符串；2)取出以往垃圾邮件训练集、正常邮件训练集、垃圾邮件预测集和正常邮件预测集；3)将正常邮件训练集和垃圾邮件训练集分别经过部分匹配预测算法，训练成垃圾邮件模型和正常邮件模型；4)将新邮件变换后的字符串分别和垃圾邮件模型以及正常邮件进行交叉熵运算，得到两个交叉熵值；5)获得最小交叉熵的模型决定了新邮件是否是垃圾邮件或者正常邮件的分类结果；6)新邮件分类之后，将新邮件加入预测集，进行增量学习，得到新的模型。本发明有效避免将正常邮件误作垃圾邮件的情况发生。

主权项

1.一种基于部分匹配预测的垃圾邮件过滤方法，其特征在于包括如下步骤：1)将新邮件变换成为ASCII值在032-127范围内ASCII字符表对应的字符，如果原邮件中的字不在ASC II码字符表032～127ASC II值对应字符范围内，则这些字全部转换成为ASC II码字符表中001～031ASC II值中的任意一个对应的字符，变换后得到由一个001～127ASC II值对应字符组成的字符串；2)取出以往垃圾邮件训练集、正常邮件训练集、垃圾邮件预测集和正常邮件预测集；3)将正常邮件训练集经过部分匹配预测算法，训练成正常邮件模型，将垃圾邮件训练集经过部分匹配预测算法，训练成垃圾邮件模型；4)将新邮件变换后得到的字符串和垃圾邮件模型进行交叉熵运算，将新邮件变换后得到的字符串和正常邮件模型进行交叉熵运算；5)获得最小交叉熵的模型决定了新邮件是否是垃圾邮件或者正常邮件的分类结果；6)新邮件分类完成之后，将新邮件加入预测集，进行分类预测后，重新训练集，使模型再继续学习，得到新的模型。