正当な電子メールの特徴を利用した言語の種類に依存しない迷惑メールフィルターの開発

开发利用合法电子邮件特征的独立于语言的垃圾邮件过滤器

• 批准号: 21700078
• 负责人: 杉井 学
• 金额: $ 2.83万
• 依托单位: Yamaguchi University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2009
• 资助国家: 日本
• 起止时间: 2009 至 2011
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21700078/
• 关键词: 迷惑電子メール; 機械学習; 電子メールフィルター

正当な電子メールの特徴に着目し、言語の種類に依存しない迷惑メールフィルターシステムを構築した。また、処理速度および分類精度の向上を図るため、電子メール受信モジュール、言語解析モジュール、機械学習モジュール、電子メール分類モジュールなどに分割したシステム設計を行った。特に、機械学習モジュールは別サーバ上での実行を想定して、データの自動入出力インターフェイスを実装した。これにより、比較的処理時間の長くかかる機械学習処理をクラスターPCなどの別サーバ上で処理することが可能となり、分類精度を低下させることなく処理時間の短縮が実現できた。また、分類精度のさらなる改善を目的に、学習に利用する電子メール情報(本文情報、メールヘッダ情報)の組み合わせを検討すると同時に、本プロジェクトで開発したものとは別のメールフィルタリングソフト(ベイジアンフィルタ)を併用して分類処理することで、より分類精度を高くできることを明らかにした。二つのフィルターシステムは、異なる指標でメール分類規則を導き出すため、今回の結果は、正規メールの回収率は高いが迷惑メールを多く混入してしまうベイジアンフィルタの短所を、本プロジェクトで開発したメールフィルターシステムが補完して、迷惑メールの混入を防ぐことが出来たことによる精度の向上と考えられた。さらに、分類判定のパラメーターを最適化することで、これまで約97%の分類正解率を、およそ99%に引き上げることができた。

Just as the characteristics of electronic media are dependent on the type of speech, the structure of electronic media is confused. For example, processing speed and classification accuracy are improved, electronic equipment is received, speech analysis is performed, mechanical learning is performed, electronic equipment classification is performed, and classification is performed. In particular, mechanical learning is the implementation of the idea of setting up an automatic input and output mechanism for the system. The processing time for comparison is long, and the processing time for machine learning is short. For the purpose of improving classification accuracy and learning, the combination of electronic information (text information, media information) is discussed. At the same time, the application of electronic information to classification processing is discussed. 2. The classification rules are introduced, the results are returned, the return rate of regular products is high, the confusion rate is high, and the accuracy of the classification rules is improved. The classification accuracy is about 97%, and the classification accuracy is about 99%.

项目成果

メーリングリストを対象とした機械学習によるスパムメールの分類

使用机器学习对邮件列表进行垃圾邮件分类

• 发表时间: 2009
• 作者: 村中慎治;廣森聡仁;山口弘純;東野輝夫;杉井学;山口博之;山口博之;角朝香
• 通讯作者: 角朝香

ベイジアン方式と機械学習の併用によるスパムメールフィルタリング

使用贝叶斯方法和机器学习过滤垃圾邮件

• 发表时间: 2010
• 作者: 村中慎治;廣森聡仁;山口弘純;東野輝夫;杉井学;山口博之;山口博之
• 通讯作者: 山口博之

機械学習によるメールヘッダ情報に基づく迷惑メールフィルタリング

使用机器学习基于电子邮件标头信息过滤垃圾邮件

• 发表时间: 2010
• 作者: 村中慎治;廣森聡仁;山口弘純;東野輝夫;杉井学
• 通讯作者: 杉井学

ベイジアン方式と機械学習を併用したスパムメールフィルタの検討

使用贝叶斯方法和机器学习的垃圾邮件过滤器的考虑

• 发表时间: 2010
• 作者: 村中慎治;廣森聡仁;山口弘純;東野輝夫;杉井学;山口博之
• 通讯作者: 山口博之

機械学習を応用したスパムメールフィルタリング手法の検討と評価

应用机器学习的垃圾邮件过滤方法研究与评估

• 发表时间: 2009
• 作者: 村中慎治;廣森聡仁;山口弘純;東野輝夫;杉井学;山口博之;山口博之;角朝香;角朝香
• 通讯作者: 角朝香