Filtragem de spam baseada em conteúdo

O crescimento dos usuários de e-mail resultou no aumento dramático dos e-mails de spam. Felizmente, existem diferentes abordagens capazes de detectar e remover automaticamente a maioria dessas mensagens, sendo as mais conhecidas baseadas na teoria de decisão bayesiana e em Máquinas de Vetores de Suporte. No entanto, há várias formas de filtros Naive Bayes, algo que a literatura anti-spam nem sempre reconhece. Neste artigo, discutimos sete versões diferentes de classificadores Naive Bayes e as comparamos com a bem conhecida Máquina de Vetores de Suporte Linear em seis conjuntos de dados não codificados. Além disso, propomos uma nova medida para avaliar a qualidade dos classificadores anti-spam. Desse modo, investigamos os benefícios de usar o coeficiente de correlação de Matthews como medida de desempenho.