Key points are not available for this paper at this time.
많은 원치 않는 상업적 이메일(스팸)이 이메일 사용자들의 메일함으로 전달되어, 중요한 이메일을 잃거나 스팸 삭제에 사용자의 시간이 낭비되는 상황을 초래할 수 있습니다. 본 논문에서는 스팸을 필터링하기 위해 여러 단계 신경망 방법을 적용하였습니다. 이 방법은 다른 사용된 방법들과 비교하여 좋은 성능을 보여주었으며, 적은 계산 자원을 사용했습니다. 또한 스팸 필터링 성능은 원래 적용된 장면 분류에서의 성능보다 더 뛰어났습니다. 테스트는 두 가지 유형의 신경망, 즉 피드포워드와 자기 조직화 글로벌 랭킹 맵을 사용하여 수행되었으며, 입력 벡터를 확장하는 방법과 각 클래스를 별도로 훈련하는 방법으로 학습되었습니다. 결과는 피드포워드가 단일 또는 몇 개의 주제 또는 영역을 가진 이메일 분류에 적합하고, 자기 조직화 글로벌 랭킹 맵이 여러 영역을 가진 이메일 분류에 적합하다는 것을 보여주었습니다.
Alkaht et al. (Mon,)은 이 질문을 연구하였습니다.