[发明专利]邮件识别方法及装置

说明书

技术领域

本发明涉及互联网技术领域，尤其涉及一种邮件识别方法及装置。 

背景技术

垃圾邮件是一种未经用户许可就强行发送到用户邮箱中的邮件。为了维护用户邮箱的稳定性及安全性，已有多种邮件识别技术被应用在邮件系统中，比如，贝叶斯(Bayesian)过滤器。 

贝叶斯过滤器是一种采用贝叶斯算法对邮件进行识别的过滤器，它首先对邮件内容和/或邮件主题进行分词，获得分词结果，再根据样本库，获得分词结果中每个词语对应的该邮件为垃圾邮件的概率，最后，将每个词语对应的该邮件为垃圾邮件的概率，带入贝叶斯公式计算该邮件的垃圾邮件概率，若该邮件的垃圾邮件概率大于预定的门限值，则将该邮件标记为垃圾邮件。其中，可以根据邮件系统的具体要求的设置门限值，比如，可以将门限值设为0.9，则邮件的垃圾邮件概率大于0.9，则该邮件将被标记为垃圾邮件。 

由于贝叶斯过滤器的样本库是对一定量垃圾邮件和非垃圾邮件学习后得到的，而现有技术，请参见图1，对多个邮箱用户使用同一个贝叶斯过滤器101进行邮件识别，也就是对多个用户的邮件使用同一个样本库进行识别。虽然对多个邮箱用户使用同一个样本库进行邮件识别，能够将具有典型性的垃圾邮件识别出来，但对于一些对用户A是垃圾邮件的邮件，而对于用户B又是非垃圾邮件的邮件，贝叶斯过滤器101按照一个样本库，只能将这些邮件要么识别为垃圾邮件，要么识别为非垃圾邮件，如果贝叶斯过滤器101将这些邮件识别为垃圾邮件，那么，对用户B而言上述识别结果是不正确的，反之亦然。 

因此，使用一个贝叶斯过滤器对多个用户的邮件进行识别，磨灭了用户之间的差异性，导致识别垃圾邮件的精度不高，不能满足用户要求。 

发明内容

本发明实施例要解决的技术问题是提供一种邮件识别方法及装置，能够提高对识别垃圾邮件的精度。 

为解决上述技术问题，本发明所提供的实施例是通过以下技术方案实现的： 

本发明实施例提供了一种邮件识别方法，包括：获取邮件的外在表现特征值；根据邮件的外在表现特征值，判断所述邮件的类型；将所述邮件发送到所述类型对应的贝叶斯过滤器识别该邮件是否为垃圾邮件。 

优选的，上述方法进一步包括： 

获取样本邮件的外在表现特征值； 

根据所述外在表现特征值，利用k-means算法，从样本邮件中选择出n个中心邮件，每个中心邮件对应一类样本邮件； 

以每个中心邮件对应的一类样本邮件作为样本库训练贝叶斯过滤器； 

其中，所述样本邮件中包括：已被标记为垃圾邮件的邮件和非垃圾邮件的邮件。 

优选的，在上述方法中所述根据邮件的外在表现特征值，判断所述邮件的类型具体包括： 

根据所述外在表现特征值，计算所述邮件分别到预定的n个中心邮件的距离L； 

将所述邮件到预定的n个中心邮件的距离排序，选择与所述邮件距离最短的中心邮件。 

优选的，在上述方法中所述根据邮件的外在表现特征值，判断所述邮件的类型具体包括： 

根据所述外在表现特征值，计算所述邮件分别到预定的n个中心邮件的距离L； 

将所述邮件到预定的n个中心邮件的距离排序，由小到大选择i个中心邮件，i为大于等于2的整数。 

优选的，在上述方法中将所述邮件发送到所述类型对应的贝叶斯过滤器识别该邮件是否为垃圾邮件具体包括： 

根据所述外在表现特征值，计算所述邮件分别到预定的n个中心邮件的距离L； 

根据所述邮件到所选择的i个中心邮件的距离L，计算所述邮件到所选择的中心邮件的距离概率Q₁、Q₂、....Q_i，且Q₁+Q₂+....+Q_i＝1； 

将所述邮件发送至所选择的i个中心邮件对应的贝叶斯过滤器，得到所述邮件的垃圾邮件概率P₁、P₂、....P_i； 

依据：加权垃圾邮件概率＝P₁*Q₁+P₂*Q₂....+P_i*Q_i，计算所述邮件的加权垃圾邮件概率，将所述加权垃圾邮件概率与预置的第二门限值比较，若高于所述第二门限值，则将所述邮件标记为垃圾邮件。 

优选的，在上述方法中所述根据邮件的外在表现特征值，判断所述邮件的类型具体包括：