[发明专利]一种垃圾邮件检测方法

权利要求书

1.一种垃圾邮件检测的方法，其特征在于，该方法包括步骤：

获取分类为正常邮件和垃圾邮件的训练样本集；

根据训练样本集构建正常邮件代表词库和垃圾邮件代表词库；

根据训练样本集中每封邮件在正常邮件代表词库出现不同词的个数与所述邮件中不同词的个数比值，得到所述邮件的自己浓度；

根据训练样本集中每封邮件在垃圾邮件代表词库中出现不同词的个数与所述邮件中不同词的个数比值，得到所述邮件的非己浓度；

由所述邮件的自己浓度与非己浓度组成所述邮件的浓度特征向量；

根据所述浓度特征向量与所述邮件的分类，建立浓度特征向量与分类的对应关系；

根据待检测邮件在正常邮件代表词库出现不同词的个数与所述待检测邮件中不同词的个数比值，得到所述待检测邮件的自己浓度；

根据待检测邮件在垃圾邮件代表词库出现不同词的个数与所述待检测邮件中不同词的个数比值，得到所述待检测邮件的非己浓度；

由所述待检测邮件的自己浓度与非己浓度组成所述待检测邮件的浓度特征向量；

根据建立的浓度特征向量与分类的对应关系，得到所述待检测邮件的分类。

2.如权利要求1所述的邮件检测的方法，其特征在于，构建正常邮件代表词库和垃圾邮件代表词库的方法包括步骤：

获取所述训练样本集中每个词在正常邮件中出现次数与在垃圾邮件中出现次数的差值；

根据所述差值选择所述词为正常邮件代表词或垃圾邮件代表词，构成正常邮件代表词库和垃圾邮件代表词库。

3.如权利要求2所述的邮件检测的方法，其特征在于，根据所述差值构成正常邮件代表词库和垃圾邮件代表词库的方法为：

根据所述训练样本集中的词在正常邮件中出现次数与在垃圾邮件中出现次数的差值，将所述词划分为两部分，其中差值大的一部分为正常邮件代表词库，差值小的一部分为垃圾邮件代表词库。

4.如权利要求2所述的邮件检测的方法，其特征在于，根据所述差值构成正常邮件代表词库和垃圾邮件代表词库的方法为：

根据所述训练样本集中的词在正常邮件中出现次数与在垃圾邮件中出现次数的差值，将所述词划分为三部分，其中差值大的一部分为正常邮件代表词库，差值小的一部分为垃圾邮件代表词库，将差值位于中间部分的词丢弃。

5.如权利要求4所述的邮件检测的方法，其特征在于，将训练样本集中词划分为正常邮件代表词库或垃圾邮件代表词库时，获取测试样本作为待检测样本进行分类的错误率高于设定值，则确定所述词为丢弃词。

6.如权利要求1～5任一项所述的垃圾邮件检测的方法，其特征在于，在构建正常邮件代表词库和垃圾邮件代表词库步骤前，还包括对所述训练样本集的词进行预处理的步骤：通过统计所述训练样本集中不同词在每封邮件中是否出现，获取不同词的出现频率，丢弃出现频率高于95％的词后得到预处理后的词。

7.如权利要求1所述的垃圾邮件检测的方法，其特征在于，该方法中采用人工神经网络法根据所述浓度特征向量与所述邮件的分类，建立浓度特征向量与分类的对应关系。

8.如权利要求1所述的邮件检测的方法，其特征在于，该方法中采用支持向量机根据所述浓度特征向量与所述邮件的分类，建立浓度特征向量与分类的对应关系。