ベイジアン方式と機械学習の併用によるスパムメールフィルタリング

• Item type: Journal(1)
• 公開日: 2013-02-15
• タイトル: ベイジアン方式と機械学習の併用によるスパムメールフィルタリング
• タイトル / 言語: en
• タイトル: Spam Mail Filtering System with the Combinational Use of Bayesian and Machine Learning Methods
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] スパムメール，ベイジアンフィルタ，機械学習，併用フィルタ
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 山口大学大学院理工学研究科／現在，株式会社日立システムズ
• 著者所属: 山口大学大学院理工学研究科／現在，日本ラッド株式会社
• 著者所属: 山口大学大学情報機構メディア基盤センター
• 著者所属: 山口大学大学院理工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Engineering, Yamaguchi University / Presently with Hitachi Systems, Ltd.
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Engineering, Yamaguchi University / Presently with Nippon RAD Inc.
• 著者所属(英): en
• 著者所属(英): Madia and Information Technology Center, Yamaguchi University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Engineering, Yamaguchi University
• 著者名: 山口, 博之; 角朝香; 杉井, 学; 松野, 浩嗣
• 著者名(英): Hiroyuki, Yamaguchi; Sayaka, Kado; Manabu, Sugii; Hiroshi, Matsuno
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年のスパムメールの増大は，世界中の電子メール利用者を悩ませている．スパムメール対策として様々なメールフィルタの開発が行われているが，その中で現在最も広く利用されているのが，ベイズ理論に基づいてスパムメールを分類するベイジアンである．bsfilterは，ベイジアンフィルタの1つであるが，多くのプラットフォームに対応できることなどから，利用者が増えている．しかしこのシステムは，正規メールの正解率は高いが，スパムメールの正解率が低いという欠点がある．そこで，本論文では先に我々が開発した機械学習を応用したメールフィルタリング手法とbsfilterを組み合わせ，さらにbsfilterのメール判定に用いられる閾値の変更を行うことで正規メールとスパムメールともに，正解率の高いメールフィルタリング手法を提案する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Recently, the increase of spam mails leads us to serious problems all over the world. Various mail filters had been developed for spam mails, and the most common filtering system is based on the baysian theory. Bsfilter is one of the bayesian filters and it has been popularly used because it can be applied to many platforms. Bsfilter can classify regular mails with high accuracy rate but it can not classify spam mails with such a high accuracy rate. In this paper, we propose a method for a mail filtering system that combines bsfilter and machine learning system BONSAI. The combinational performance of these two systems is investigated by examining the combination order of bsfilter and BONSAI and by changing the threshold of bsfilter.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 54, 号 2, p. 1002-1011, 発行日 2013-02-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764