기계 학습 알고리즘을 사용한 이메일 분류

이메일은 자주 사용되는 커뮤니케이션의 형태 중 하나가 되었습니다. 모든 사람은 최소한 하나의 이메일 계정을 가지고 있습니다. 스팸 메시지의 유입은 이메일 사용자들이 직면하는 주요 문제입니다. 현재 많은 스팸 필터링 기술이 존재합니다. 스팸 필터링 기술이 발전함에 따라 스패머들은 그들의 스팸 발송 방법도 개선했습니다. 따라서 효과적인 스팸 필터링 기술은 시급한 요구입니다. 본 논문에서는 기계 학습 알고리즘을 사용하여 이메일 분류를 수행합니다. 이메일을 스팸 또는 햄으로 분류하는 데 있어 중요한 두 가지 알고리즘인 네이브 베이즈와 J48 의사결정 트리가 그 효율성을 테스트합니다. 실험은 전처리 기술 및 텍스트 분류 개념과 결합된 분류에 중점을 두었습니다. 사용된 데이터셋은 엔론 코퍼스입니다. TF-IDF 값이 텍스트의 가중치 점수로 사용됩니다. 분류기도 서로 다른 특징 크기에 대해 테스트됩니다. 테스트 결과는 J48이 최소 특징 크기와 분류 시간에서 이메일을 스팸 또는 햄으로 분류하는 데 더 정확하다는 것을 보여줍니다.