论文部分内容阅读
针对客户端垃圾邮件过滤器难以获取足够训练样本的问题，提出一种基于小样本学习的垃圾邮件过滤方法，利用容易获取的未标记样本提高垃圾邮件过滤的性能。该方法使用已标记的小样本邮件实例集训练一个初始Naive Bayes分类器，以此标注未标记邮件，再使用所有数据训练新的分类器，利用EM算法进行迭代直至收敛。实验结果证明，当给定5个-20个已标记小样本训练邮件时，该方法可有效提高垃圾邮件过滤性能。