基于最大熵方法的垃圾邮件过滤插件的设计与实现.pdfVIP

基于最大熵方法的垃圾邮件过滤插件的设计与实现 　　摘要：结合邮件的半结构化特征，将最大熵模型引入垃圾邮件过滤中，构造出基于最 大熵模型的垃圾邮件过滤系统框架。在此基础上，将其与 Outlook 提供的 PIA 相结合，利 用.NET 技术开发出基于最大熵模型的垃圾邮件过滤插件，在客户端实现了基于 内容 的垃 圾邮件过滤，较好地解决了垃圾邮件的 问题 。 　　关键词：最大熵模型；邮件过滤；.NET ；Outlook 插件 　　　 电子 邮件以其方便、快捷、低成本等优点逐渐成为人们日常生活中主要的通信手 段之一。但大量垃圾邮件的出现，给全球用户带来了巨大损失。据调查，我国用户平均每 人每周收到的垃圾邮件数量占收到的总邮件数量的 61.63%[1]。垃圾邮件的泛滥已带来严 重后果，因此有效地区分正常邮件和垃圾邮件成为一项紧迫的任务。近年来，有关垃圾邮 件过滤技术的 研究 逐渐兴起。常见的过滤 方法 有黑、白名单技术和规则过滤等，但由于 邮件发送者在不断变化，规则难以维护，准确率不高，使这些方法都具有一定的局限性。 将垃圾邮件过滤与机器 学习 、文本分类和信息过滤技术相结合，对邮件正文内容进行 分 析 ，已成为目前 研究的热点[2]。 　　最大熵模型是一种广泛 应用 于统计 自然 语言处理领域的技术。结合邮件的半结构化 特性，本文将最大熵模型应用到垃圾邮件过滤中，构造出基于最大熵模型的垃圾邮件过滤 系统框架，并将其与 Outlook 相结合，基于.NET 平台开发出了 Outlook 垃圾邮件过滤插件 ，在客户端利用最大熵模型实现了基于内容的垃圾邮件过滤。 　　1 基于最大熵模型的垃圾邮件过滤 　　1 ．1 最大熵模型 　　2 ．1 互操作程序集 　　.NET 框架中提供的 COM Interop 技术，使开发人员可以在.NET 代码中直接访问 COM 组件。其基本原理[4]是，针对用户要访问的 COM 组件，.NET 框架自动生成一个互操作程 序集（Interop Assembly ，IA）。IA 是一个完全的托管程序集，其命名空间、类、方法等 都与 COM 组件相对应。这样，在.NET 程序中可以直接引用 IA ，由IA 完成对真正 COM 组 件的访问。图 2 说明了 IA 的作用。 　　微软公司为 Outlook 2003 提供了一个“正式的”互操作程序集，即主互操作程序集（ Primary Interop Assembly ，PIA），驻留在名称为 Micrsoft.Office.Interop.Outlook.dll 的全 局程序集缓存中。在 Outlook 的安装过程中，选择“.NET 可编程性支持” ，或者下载客户端 PIA 安装包来完成 PIA 的安装[5]。 　　2 ．2Outlook 2003 对象模型 　　Outlook 通过对象和对象集合的层次系统（称为对象模型）为开发语言提供功能，开 发人员利用可用的对象和功能与 Outlook 进行交互，创建自己的解决方案。下面对其中几 个重要的对象进行介绍[6]。 　　2 ．2 ．1Application 对象 　　Application 是层次结构中所有其他对象的根，提供对其他所有 Outlook 对象的访问。 要从外部应用程序中访问 Outlook 对象模型，必须先获得 Application 对象的实例。 　　2 ．2 ．2Namespace 对象 　　Namespace 对象是 Outlook 数据源的抽象根。如果要访问 Outlook 数据，则必须创建 Namespace 对象的实例。目前，所支持的唯一数据源是邮件应用程序编程接口 MAPI ，用 于访问 Outlook 文件夹组中的所有 Outlook 数据。 　　2 ．2 ．3MAPIFolder 对象 　　Outlook 数据存储区内有一组支持默认功能的文件夹，使用 Namespace 的 GetDefaultFolder()方法返回某个默认文件夹，即 MAPIFolder 对象。 　　2 ．2 ．4Items 对象 　　Items 代表 Outlook 项目集合，如邮件项目 MailItem、任务项目 TaskItem 等。可以使 用 Application 对象的 CreatEitem()创建新的项目或使用 Items 对象的索引器获得并修改现 有的项目。 　　2 ．2 ．5Explorers 和 Inspectors 对象 　　Outlook 对象模型还定义了用来对用户界面进行操作的类型。Explorers 对象包含一组 Explorer 对象，代表所有的