基于多项式模型和低风险的贝叶斯垃圾邮件过滤算法 (2013年)

针对现有贝叶斯算法应用于垃圾邮件过滤时，贝叶斯贝努利模型对邮件文本特征向量进行处理不能区分特征向量的重要性，导致邮件分类召回率低，同时还存在合法邮件被误判的风险的问题，采用贝叶斯多项式模型对特征向量进行加权处理来区分特征向量的重要性；然后，采用低风险策略来降低合法邮件被误判的风险，提出基于多项式模型和低风险的贝叶斯垃圾邮件过滤算法。实验结果表明：对于不同数量的特征项，该算法能够有效提高邮件分类的正确率与召回率，降低合法邮件被误判的风险，并在过滤文本字符数量较大的邮件时，具有性能平稳、波动小的特点。