[发明专利]基于字节级n元文法的特征提取方法及垃圾邮件过滤器

权利要求书

1.垃圾邮件过滤系统中的基于字节级n元文法的特征提取方法，其特征 在于，该方法的提取对象是邮件，并且将邮件作为无差别的字节流对待，它对 提取对象信息进行大小为n个字节的滑动窗口操作，获得m个长度为n的字 节片断序列作为特征信息，所述m、n为大于0的整数，它是提取对象信息中 的前m个长度为n的字节片断序列作为特征信息，或者后m个长度为n的字 节片断序列作为特征信息。

2.根据权利要求1所述的基于字节级n元文法的特征提取方法，其特征 在于所述m个长度为n个字节的信息片断是连续选取的，第i+1个字节片断 是以第i个字节片断中的第二个字节为首字节的。

3.采用权利要求1所述的基于字节级n元文法的特征提取方法的垃圾 邮件过滤器，它由分类器、特征权重库和训练器组成，其中

分类器，用于对接收邮件进行特征提取并获得特征信息，还用于根据所述 特征信息和特征权重库中的特征信息将接收邮件分为垃圾邮件和正常邮件；

特征权重库，用于存储垃圾邮件的特征及其权重，并根据训练器提供的信 息实时更新特征信息；所述用户是能够反馈垃圾邮件信息的垃圾邮件过滤器的 使用者，包括垃圾邮件过滤器的实际使用者，即垃圾邮件过滤器的服务对象， 还包括垃圾邮件服务商的工作人员；

训练器，根据用户的反馈对邮件的过滤结果进行在线学习，更新调整特征 权重库中的信息；

其特征在于所述分类器中的特征提取方法采用基于字节级n元文法的特 征提取方法。

4.根据权利要求3所述的基于字节级n元文法的特征提取方法的垃圾邮 件过滤器，其特征在于所述分类器中采用哈希链表或二级索引方式组织存储提 取的特征信息。

5.根据权利要求3所述的基于字节级n元文法的特征提取方法的垃圾邮 件过滤器，其特征在于所述分类器采用逻辑回归模型作为过滤模型。

6.根据权利要求3所述的基于字节级n元文法的特征提取方法的垃圾邮 件过滤器，其特征在于所述训练器采用在线学习方式。

7.根据权利要求3所述的基于字节级n元文法的特征提取方法的垃圾邮 件过滤器，其特征在于所述训练器采用TONE方法调整特征权重。

8.根据权利要求3所述的基于字节级n元文法的特征提取方法的垃圾邮 件过滤器，其特征在于所述训练器对特征权重库的更新方法采用梯度下降方 法。