[发明专利]一种结合用户属性的邮件分类方法及系统

摘要

本发明公开了一种结合用户属性的邮件分类方法及系统，属于数据挖掘技术领域，首先利用分类器初始化新邮件垃圾邮件概率，然后在搭建好的用户属性网中匹配到新邮件的用户爱好属性、邮件主题属性、用户亲近度属性和用户行为属性，之后依次利用用户爱好属性、邮件主题属性、用户亲近度和用户行为属性对垃圾邮件概率的影响，更新邮件的垃圾邮件概率。本发明还提供了实现上述方法的系统。本发明通过结合用户属性对邮件进行分类判定，提高了现有邮件分类技术的精准性。

主权项

1.一种结合用户属性的邮件分类方法，其特征在于，包括以下步骤：(1)初始化垃圾邮件概率：从待分类邮件中提取关键词，使用预先训练的邮件分类器对关键词分类，得到每个关键词的垃圾邮件概率值P(Spam|w)，其中Spam表示垃圾邮件，w表示关键词；(2)根据用户爱好更新垃圾邮件概率：提取一个关键词，将其与预先构建的用户属性网中的收件人爱好进行匹配，如果匹配成功，则降低该关键词垃圾邮件概率值即P(Spam|w)＝P(Spam|w)*ξ，ξ为兴趣爱好因子，否则，保持关键词垃圾邮件概率值P(Spam|w)不变；将关键词的垃圾邮件概率P(Spam|w)输入给预先训练的分类器，邮件分类器输出垃圾邮件概率P(Spam|E)其中Spam表示垃圾邮件，E表示邮件；重复本步骤，直到所有关键词和用户爱好完成对比；(3)根据邮件主题更新垃圾邮件概率：由邮件主题判断邮件是否是回复邮件，如果是则根据P(Spam|E)＝P(Spam|E)*θ计算降低本邮件的垃圾邮件的概率，其中θ是回复因子，如果不是回复邮件则P(Spam|E)不变；(4)根据收发件人亲密度更新垃圾邮件概率：在用户属性网中统计收发件人历史通信次数；如果历史通信次数大于0则收发件人间的亲近度表示为其中u表示用户u，表示用户表示用户u和用户之间的亲近度，t_i，i＝1，2，...，m表示通信次数，T_j，j＝1，2，...，n表示通信次数范围，c_k，k＝1，2，...，n表示在不同通信次数范围内的取值；如果历史通信次数为零，亲近度则随收发件人之间的间隔人数增加而减小，即其中i是用户υ和用户u之间的间隔用户人数，表示用户用户是用户υ和用户u的间隔用户，且用户和用户u有通信历史，α为亲近度值下降系数；如果历史通信次数为零，但是收发件人之间有多条路径可以连接，亲近度则随收发件人之间连接路径的数量提 高而提高，即其中p代表用户u可以到达用户v的路径数目；根据收发件人的亲近度更新垃圾邮件概率其中是设置的亲近度阈值，e是自然常数，判断P(Spam|E)是否大于垃圾邮件阈值T，如果大于T，则将本邮件放入垃圾箱中，如果小于等于T，则放入收件箱中；(5)根据用户行为更新垃圾邮件概率：判断用户行为，如果用户将放入垃圾箱中的邮件恢复，则根据公式降低该邮件中所有关键词的垃圾邮件概率值；如果用户将放入收件箱中的邮件删除，则根据公式增大该邮件中所有关键词的垃圾邮件概率值，其中w_R代表恢复邮件中的关键词，w_D代表删除邮件中的关键词，ρ_R表示恢复系数，ρ_D表示删除系数，e是自然常数；所述用户属性网的构建方法为：(11)信息提取：提取邮件的收发件人、邮件主题信息、用户行为和用户爱好信息；(12)构建用户节点：判断用户属性网中是否含有发件人用户或收件人用户，如果有则将属性网中用户节点资料和邮件中用户资料对比更新；如果不含发件人或发件人用户，则在用户属性网中创建用户节点；判断收发件人用户之间是否有通信历史，如没有则创建这两个用户间的连接关系，连接关系中通信次数初始化为1，如有则两个用户节点间的连接关系中通信次数累加一次；(13)构建邮件节点：根据邮件信息创建邮件节点属性和邮件收发关系属性，之后判断用户是否删除或恢复邮件，如果有则创建用户节点和邮件节点的删除或者恢复关系。