Многокритериальная фильтрация электронной корреспонденции

Abstract

Наиболее популярным и эффективным подходом для фильтрации электронной корреспонденции на данный момент является использование машинного обучения с учителем с различными признаками, основанными как на содержании сообщений, так и на свойствах отдельных профилей пользователей. На этапе классификации и оценки были протестированы 5 алгоритмов: наивный байесовский классификатор (NaiveBayes classifier), метод k ближайших соседей (k-nearest neighbors algorithm, k-NN)), метод опорных векторов (SVM), дерево принятия решений (Decision tree), случайные леса (Random forest). В результате проведенного исследования данных алгоритмов машинного обучения лучший результат продемонстрировал алгоритм Random Forest - 93%.