[发明专利]一种与内容无关的垃圾邮件过滤方法

摘要

本发明提供了一种与内容无关的垃圾邮件过滤方法，包括如下特征提取、特征量化和机器学习分类三个步骤，其中特征量化包括如下步骤：1)对于邮件样本的标题，去除标点，特殊符号以及停用词；2)经分词转化为由单词组成的特征向量；3)将步骤2)中特征向量的每一个元素进行统计，并分别对照垃圾标题特征集和合法标题特征集进行统计，查找各个元素分别在这两个集中出现的频率次数，并将结果分为四种情况，分别得到基本概率指派函数；4)将步骤3)的基本概率指派函数根据证据理论的D‑S组合规则进行融合，得到最终的基本概率指派函数。5)将最终的基本概率指派函数经过赌博概率转化作为邮件标题特征量化的结果。

主权项

1.一种与内容无关的垃圾邮件过滤方法，包含如下步骤：(1)对待过滤邮件样本的邮件信头和邮件标题进行特征提取，(2)对步骤(1)所得的邮件信头特征进行特征量化，(3)对步骤(1)所得的邮件标题特征进行特征量化，(4)将步骤(2)和(3)所得结果输入人工神经网络分类器进行分类，根据分类结果判断待过滤邮件样本是否为垃圾邮件；其特征在于：对于一个电子邮件样本e，所述步骤(2)包括如下步骤：a.判断邮件信头的发件人地址特征是否合法，转化为二值特征sender(e)；b.对邮件信头的收件人地址和抄送人进行量化，将收件人个数转化为整数特征nrcpt(e)；c.对邮件信头的邮件客户端根据是否支持匿名大量发送邮件进行量化，得到二值特征xmalr(e)；d.对邮件信头的IP地址进行量化，将IP地址转化为[0，1]间的浮点数特征ip(e)；所述步骤(3)具体包括如下步骤：a.对邮件标题去除标点符号、特殊符号、停用词后，经分词转化为由单词组成的特征向量G；b.对所述特征向量G中的每一个元素进行统计，并分别对照垃圾标题特征集和合法标题特征集进行统计，查找每一个元素分别在这两个集中出现的频率次数，并将结果分为四种情况，分别得到基本概率指派函数；c.将所述基本概率指派函数根据证据理论的D‑S组合规则进行融合，得到最终的基本概率指派函数；d.将所述最终的基本概率指派函数经过赌博概率转化作为邮件标题特征smrk(e)。