基于用户兴趣度的垃圾邮件在线识别新方法*

王友卫 刘元宁 凤丽洲 朱晓冬

(吉林大学 计算机科学与技术学院，吉林 长春 130012)

随着网络技术的迅速发展，电子邮件已成为人们日常生活中重要的通信手段之一.日益增长的垃圾邮件常常附载大量虚假甚至危害社会稳定与安全的信息.垃圾邮件在线识别具有区别于传统文本分类的特点［1-2］:①识别过程需根据用户兴趣进行，同一封邮件在不同用户甚至处于不同阶段的相同用户眼中可能得到不同的分类结果;②邮件识别属于在线应用，因此对处理速度要求比较高;③在线邮件数量众多、种类复杂，难以通过传统人工标注形成通用的训练样本集.因此，如何有效解决以上问题成为垃圾邮件在线识别的首要任务.

增量学习方法已被广泛应用于垃圾邮件在线识别［3］.与传统方法相比，增量学习可以充分利用历史学习结果，在不显著降低样本识别精度的前提下，减少训练时间及传统人工标注工作量.Syed 等［4］结合支持向量机(SVM)提出了Batch SVM 方法，该方法将增量样本集与训练集中支持向量集合并形成新的训练集，对训练集中的冗余样本处理过于简单，导致识别精度不高.王学军等［5］将SVM 和主动学习结合起来，通过在增量学习过程中选择正类样本构造新的最优超平面;该算法能准确识别正类样本，但针对负类样本的识别精度较低.刘伍颖等［2］根据用户反馈构建个性化的用户兴趣模型，通过组合邮件模型分类器与兴趣模型分类器结果实现对邮……