...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Progress in Artificial Intelligence >Polynomial Neural Networks Versus Other Spam Email Filters: An Empirical Study
【24h】

Polynomial Neural Networks Versus Other Spam Email Filters: An Empirical Study

机译：多项式神经网络与其他垃圾邮件过滤器：实证研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Spam or junk e-mail problems are increasing exponentially due to the huge growth of internet users and their high dependency on e-mails as the main communication means nowadays. Such problems result in huge amounts of time and cost waste for both individuals and organizations. This research paper directly compares the performance of four famous text classification algorithms in classifying emails and detecting the spam ones: Polynomial Neural Networks (PNNs), the k-nearest neighbour (k-NN), Support Vector Machines (SVM) and Naive Bayes (NB). Results of the experiments conducted on Lingspam, the benchmark E-mail corpus, in this research work reveals that PNNs is a competitive spam filter to the sate-of-the-art spam filters. It recorded either equal or superior results in most of the performance measures used to evaluate the four spam filters.
机译：由于互联网用户的巨大增长及其对电子邮件的高依赖性作为主要通信时，垃圾邮件或垃圾邮件的问题正在增加呈指数级增长。 这些问题导致个人和组织的大量时间和成本浪费。 本研究论文直接比较了四种着名文本分类算法的分类电子邮件和检测垃圾邮件（PNNS），K最近邻（K-NN），支持向量机（SVM）和幼稚贝叶斯（ NB）。 在本研究工作中对LingsPAM进行的实验结果表明，PNNS是竞争垃圾邮件过滤器的竞争垃圾邮件过滤器。 它在大多数用于评估四个垃圾邮件过滤器的大多数性能措施中记录了相同或更优异的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号