基于MapReduce的贝叶斯垃圾邮件过滤机制.pdf

贝叶斯邮件过滤器具有较强的分类能力和较高的准确性，但前期的邮件集训练与学习耗用大量系统资 源和网络资源，影响系统效率。提出一种基于MapReduce技术的贝叶斯垃圾邮件过滤机制,一方面对传统贝叶斯过滤技术进行改进,另一方面利用MapReduce模型的海量数据处理优势优化邮件集训练与学习。实验,较之目前流行的传统贝叶斯算法、K最近邻(NN算法和支持向量机SVM)算法，基于MapReduce的贝叶斯垃圾邮件过滤机制在召回率、查准率和精确率方面保持了较好的表现，同时降低了邮件学习和分类成本,提高了系统执行效率。