Ứng dụng phân loại thư rác dùng NavieBayesClassifier

TRƯỜNG ĐẠI HỌC KHOA HỌC HUẾ TIỂU LUẬN MÔN HỌC MÁY HỌC TÌM HIỂU NAÏVE BAYES CLASSIFIER VÀ ỨNG DỤNG TRONG PHÂN LOẠI THƯ RÁC Giảng viên: TS. Đoàn Thanh Nghị Nhóm thực hiện: Võ Thị Hằng Nguyễn Thị Bích Tuyền Nguyễn Văn Vũ An Giang, Năm 2014 Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 1 Mục lục I. Tìm hiểu thư rác và một số phương pháp lọc thư rác 3 1. Định nghĩa thư rác: 3 2. Phân loại thư rác: 3 3. Các phương pháp lọc thư rác: 3 II. Naïve Bayes classifier 5 1. Định lý Bayes 5 2. Naïve Bayes classifier 6 III. Ứng dụng trong bài toán phân loại thư rác 11 1. Biễu diễn bài toán 11 2. Các bước của thuật toán trong phân loại thư rác 11 3. Minh họa bằng ví dụ 12 IV. Cài đặt đoạn code 15 1. Các hàm chính 15 2. Các bước hực hiện huấn luyện và phân loại bằng đoạn code 16 3. Các file đươc tạo ra bởi đoạn code 16 V. Kết luận và hướng phát triển 18 Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 2 LỜI NÓI ĐẦU Trong thời kỳ phát triển như hiện nay thì công nghệ internet đóng vai trò hết sức quan trong cho sự thúc đẩy phát triển kinh tế, xã hội của tất cả các nước trên thế giới. Công nghệ Internet đã mang lại sự tiện dụng trong việc trao đổi thông tin giữa con người và con người trên toàn cầu. Sự ra đời của thư điện tử (Electronic Mail – Email) tại viện Công nghệ Massachusetts vào năm 1965 đánh dấu sự ra đời của một trong những khái niệm quan trọng nhất của tương lai. Trải qua 40 năm tồn tại và phát triển, Email đã có nhiều bước thăng trầm, để trở thành công cụ giao tiếp phổ biến và rộng rãi nhất thế giới ngày nay. Nhưng mặt trái của nó chính là môi trường thư rác (Spam) cũng phát triển mạnh… Nó là một gánh nặng cho các server mail, làm giảm tốc độ đường truyền internet, gây phiền toái cho tất cả những người nhận được nó, hay các thư mang nội dung với mục đích tấn công ăn cắp thông tin hoặc phá hoại gây thiệt hại cho người dùng, gây thiệt hại rất lớn về mặt kinh tế. Sự hiện diện của Spam làm giảm sự tin tưởng của người dùng vào hệ thống mạng. Do đó, chống thư rác hiện nay là mối quan tâm lớn của các nước, các tổ chức trên thế giới nhằm đảm bảo an toàn, an ninh thông tin. Các nhà nghiên cứu đã đưa ra một số phương pháp khác nhau để hổ trợ cho việc ngăn chặn và lọc thư rác. Trong đó, phương pháp phân loại Naïve Bayes là một phương pháp được ứng dụng để lọc thư rác dựa theo nội dung thư và đã đạt được hiệu quả rất cao. Từ đó, dưới sự hướng dẫn tận tình của Thầy TS. Đoàn Thanh Nghị trong học phần Máy học, sau khi kết thúc học phần, với một lượng kiến thức nhất định, nhóm chúng tôi chọn chủ đề “Tìm hiểu Naïve Bayes classifier và ứng dụng trong phân loại thư rác” nhằm mục đích tìm hiểu rõ hơn về phương pháp phân loại Naïve Bayes và cách mà bộ phân loại Naïve Bayes học và thực hiện phân loại thư rác như thế nào, kết hợp cài đặt một đoạn code để mô tả cách học và phân loại đó. Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 3 I. Tìm hiểu thư rác và một số phương pháp lọc thư rác 1. Định nghĩa thư rác: Thư rác (spam) là thư điện tử, tin nhắn được gửi đến người nhận mà người nhận đó không mong muốn hoặc không có trách nhiệm phải tiếp nhận theo quy định của pháp luật. Thư rác bao gồm thư điện tử rác và tin nhắn rác. 2. Phân loại thư rác: Có nhiều cách phân loại thư rác:  Dựa trên kiểu phát tán thư rác: Tính tới thời điểm hiện tại, thư rác có thể bị gửi thông qua thư điện tử, nhóm thảo luận (newsgroups), điện thoại di động (Short Message Serveice – SMS) và các dịch vụ gửi tin nhắn trên mạng (như Yahoo Messenger, Windows Messenger…).  Dựa vào quan hệ với người gửi thư rác: bao gồm người lạ mặt, bạn bè, người quen và các dịch vụ quyên góp giúp đỡ…  Dựa vào nội dung của thư rác: các kiểu nội dung phổ biến như thư về thương mại, thư về chính trị, thư về công nghệ, chuỗi thư (chain email) và các loại khác (như thư phát tán virus…).  Dựa trên động lực của người gửi: Thông thường, thư rác được gửi đi cho những mục đích quảng bá thông tin. Ngoài ra còn có một số loại thư rác được gửi tới một người nhận xác định nào đó nhằm mục đích phá vỡ và gây cản trở công việc của người nhận hay mạng của nhà cung cấp dịch vụ thư điện tử (ESP) được gọi là “bom thư”. Thư rác còn được cố ý gửi đi nhằm thông báo tin sai lệch, làm xáo trộn công việc và cuộc sống của người nhận. Sự phân loại thư rác rất quan trọng không chỉ trong lĩnh vực tạo những bộ lọc thư rác có hiệu quả cao mà còn giúp cho việc ban hành các bộ luật chống thư rác phù hợp. 3. Các phương pháp lọc thư rác:  Lọc thư rác thông qua việc đưa ra luật lệ nhằm hạn chế, ngăn chặn việc gửi thư rác: Ban hành một số chỉ lệnh, đưa ra các quy phạm và chỉ dẫn đối với các vấn đề thương mại điện tử, thông tin điện tử, bảo hộ dữ liệu.  Lọc thư dựa trên địa chỉ IP: Dựa vào địa chỉ IP của người gửi để xác định thư đó bị ngăn chặn hoặc cho qua. Có hai cách để thực hiện việc lọc thư: một là duy trì một Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 4 danh sách các địa chỉ IP bị chặn; thứ hai là sử dụng một danh sách các địa chỉ IP cho phép qua.  Lọc thư dựa trên chuỗi hỏi/đáp (Challenge/Response filters): Đặc trưng của phương pháp này là khả năng tự động gửi thư hồi đáp cho người gửi để yêu cầu một số hành động chắc chắn về việc gửi thư của họ.  Phương pháp lọc dựa trên mạng xã hội: Các nghiên cứu gần đây đã bắt đầu khai thác thông tin từ mạng xã hội cho việc xác định thư rác bằng cách xây dựng một đồ thị (các đỉnh là địa chỉ email, cung được thêm vào giữa 2 node A và B nếu giữa A và B có sự trao đổi thư qua lại). Người ta đã sử dụng một số tính chất đặc trưng của mạng xã hội để xây dựng một công cụ lọc thư rác.  Phương pháp lọc nội dung: Phương pháp này dựa vào nội dung và chủ đề bức thư để phân biệt thư rác và thư hợp lệ. Phương pháp này có ưu điểm đó là chúng ta có thể dễ dàng thay đổi bộ lọc để nó có thể lọc các loại thư rác cho phù hợp. Nhược điểm của phương pháp này là: do biết được cách thức lọc nội dung nên các spammer luôn luôn thay đổi hình thức nội dung của thư rác để có thể qua mặt các bộ lọc. Phương pháp lọc nội dung để phân loại thư rác là phương pháp đã và đang được quan tâm, nghiên cứu và ứng dụng nhiều nhất. Trong đó, Naïve Bayes classifier là một trong những phương pháp phân loại được áp dụng nhiều và mang lại hiệu quả đáng kể. Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 5 II. Naïve Bayes classifier 1. Định lý Bayes Định lý Bayes cho phép tính xác suất xảy ra của một sự kiện ngẫu nhiên A khi biết sự kiện liên quan B đã xảy ra. Xác suất này được ký hiệu là P(A|B), và đọc là “xác suất của A nếu có B”. Đại lượng này được gọi xác suất có điều kiện hay xác suất hậu nghiệm vì nó được rút ra từ giá trị được cho của B hoặc phụ thuộc vào giá trị đó. Theo định lí Bayes, xác suất xảy ra A khi biết B sẽ phụ thuộc vào 3 yếu tố:  Xác suất xảy ra A của riêng nó, không quan tâm đến B. Kí hiệu là P(A) và đọc là “xác suất của A”. Đây được gọi là xác suất biên duyên hay xác suất tiên nghiệm, nó là “tiên nghiệm” theo nghĩa rằng nó không quan tâm đến bất kỳ thông tin nào về B.  Xác suất xảy ra B của riêng nó, không quan tâm đến A. Kí hiệu là P(B) và đọc là “xác suất của B”. Đại lượng này còn gọi là hằng số chuẩn hóa (normalising constant), vì nó luôn giống nhau, không phụ thuộc vào sự kiện A đang muốn biết.  Xác suất xảy ra B khi biết A xảy ra. Kí hiệu là P(B|A) và đọc là “xác suất của B nếu có A”. Đại lượng này gọi là khả năng (likelihood) xảy ra B khi biết A đã xảy ra. Khi biết ba đại lượng này, xác suất của A khi biết B cho bởi công thức: )( )()|( )|( BP APABP BAP  hay )()|()()|( APABPBPBAP  Định lý Bayes cũng thường được viết dưới dạng: )()|()()|(),(),()( CCC APABPAPABPBAPBAPBP  hay )()|()()|( )()|( )|( CC APABPAPABP APABP BAP   Trong đó C A là biến cố bù của biến cố A (thường được gọi là “không A”). Tổng quát hơn với {A i } tạo thành một phân hoạch các biến cố, với mọi A i trong phân hoạch, ta có:   j jj ii i APABP APABP BAP )()|( )()|( )|( Công thức này còn được biết dưới tên là công thức xác suất đầy đủ. Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 6 2. Naïve Bayes classifier Phân loại là một vấn đề cơ bản trong lĩnh vực máy học và khai khoáng dữ liệu. Mục đích của một thuật toán phân loại là xây dựng một bộ phân lớp từ một tập các ví dụ huấn luyện đã được gán nhãn lớp. Thông thường, một mẫu ví dụ E được thể hiện bởi một bộ các giá trị thuộc tính (x 1 , x 2 , …, x n ), với x i là giá trị của thuộc tính A i và cho C là một tập các nhãn lớp {c 1 , c 2 , …, c m }. Naïve Bayes classifier là một trong những bộ phân loại trong thống kê Bayes dựa trên Định lý Bayes. Nó có thể dự đoán được xác suất của các lớp bộ phận chẳng hạn như nó có thể dự đoán được xác suất mà một ví dụ đã cho thuộc vào một lớp nào đó. Điểm đặc biệt của Naïve Bayes là giả định rằng sự ảnh hưởng của một thuộc tính là độc lập với giá trị của các thuộc tính khác trong một phân lớp đã cho. Giả thiết này được gọi là độc lập về điều kiện, điều này đã làm cho việc tính toán trở nên dễ dàng hơn. Và cũng chính vì vậy mà nó được xem là “Naïve” (ngây thơ). Chúng ta có thể hình dung Naïve Bayes classifier hoạt động như sau: (1) Cho T là tập các mẫu ví dụ huấn luyện đã được gán nhãn lớp và m lớp C 1 , C 2 , …, Cm. Mỗi mẫu ví dụ được biểu diễn bởi một vectơ n chiều X = (x 1 , x 2 , …, x n ) miểu tả n giá trị được đo của n thuộc tính tương ứng X 1 , X 2 , …, X n . (2) Cho một mẫu ví dụ X, bộ phân loại sẽ dự đoán X thuộc vào lớp mà có xác suất hậu nghiệm cao nhất với điều kiện X. Tức là X được xác định thuộc vào lớp C i khi và chỉ khi: ( | ) ( | ) ij P C X P C X với 1 ≤ i, j ≤ m và i ≠ j Vậy chúng ta cần phải xác định với lớp C i sao cho P(C i |X) đạt giá trị cao nhất và khi đó lớp C i này được gọi là giả thiết hậu nghiệm cao nhất. Theo định lý Bayes, ta có: )( )()|( )|( XP CPCXP XCP ii i  (3) Do P(X) là như nhau đối với tất cả các lớp nên ta chỉ cần P(X|C i )P(C i ) đạt giá trị cao nhất. Xác suất trước P(C i ) của một lớp có thể được tính bằng công thức: Nếu không thể xác định được xác suất trước P(C i ), khi đó ta có thể giả sử chúng là như nhau P(C 1 ) = P(C 2 ) = … = P(C m ) và vì thế ta chỉ cần tìm P(X|C i ) đạt cao nhất. (4) Với tập dữ liệu có nhiều thuộc tính, chi phí cho việc tính xác suất P(X|C i ) là rất cao. Lúc này giả định ”Naïve” là rất cần thiết. Để giảm bớt tính toán trong việc đánh ||/),()( TTCfreqCP ii  Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 7 giá P(X|C i )P(C i ), Naïve Bayes giả định là với một mẫu ví dụ đã được gán nhãn thì giá trị của các thuộc tính là độc lập điều kiện với nhau. Khi đó ta có thể tính: 1 ( | ) (x | ) n i k i k P X C P C    Các xác suất P(x 1 |C i ), P(x 2 |C i ), …, P(x n |C i ) có thể dễ dàng tính được từ tập huấn luyện với x k là giá trị của thuộc tính A k trong mẫu ví dụ X. (a) Nếu A k là các giá trị rõ ràng, khi đó P(x k |C i ) là số lượng mẫu ví dụ thuộc lớp C i trong tập huấn luyện T có x k là giá trị của thuộc tính X k chia cho số mẫu freq(C i ,T) của C i trong tập T. (b) Nếu A k là các giá trị liên tục, khi đó ta thường giả sử những giá trị của nó có một phân phối Guassian với một giá trị trung bình µ và độ lệch chuẩn σ được định nghĩa bởi: 2 2 () 2 1 ( , , ) exp 2 x gx       Nên ( , ) ( , , ) ii k i k C C P x C g x   Chúng ta cần tính i C  và i C  , chúng là giá trị trung bình và độ lệch chuẩn của các giá trị của thuộc tính A k đối với các mẫu ví dụ huấn luyện của lớp C i . (5) Để dự đoán nhãn lớp của X, ta cần đánh giá P(X|C i )P(C i ) cho mỗi lớp C i . Bộ phân lớp sẽ dự đoán nhãn lớp của X là C i nếu và chỉ nếu nó là lớp mà có giá trị P(X|C i )P(C i ) là cao nhất. Các bước thực hiện thuật toán Naïve Bayes: Bước 1: Huấn luyện Naïve Bayes (dựa vào tập dữ liệu)  Tính xác suất P(C i )  Tính xác suất P(x k |C i ) Bước 2: X new được gán vào lớp có giá trị lớn nhất theo công thức: 1 argmax ( ) ( | ) i n i k i CC k P C P x C       Để minh họa thuật toán Bayes một cách đơn giản, ta sử dụng bài toán phân chia ngày thành phù hợp hay không phù hợp với việc chơi tennis theo điều kiện thời tiết được đưa ra trong bảng dưới đây: Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 8 Ngày Trời Nhiệt độ Độ ẩm Gió Chơi Tennis D1 Nắng Nóng Cao Yếu Không D2 Nắng Nóng Cao Mạnh Không D3 Nhiều mây Nóng Cao Yếu Có D4 Mưa Trung bình Cao Yếu Có D5 Mưa Ấm áp Bình thường Yếu Có D6 Mưa Lạnh Bình thường Mạnh Không D7 Nhiều mây Lạnh Bình thường Mạnh Có D8 Nắng Ấm áp Cao Yếu Không D9 Nắng Lạnh Bình thường Yếu Có D10 Mưa Ấm áp Bình thường Yếu Có D11 Nắng Ấm áp Bình thường Mạnh Có D12 Nhiều mây Ấm áp Cao Mạnh Có D13 Nhiều mây Nóng Bình thường Yếu Có D14 Mưa Ấm áp Cao Mạnh Không Trong đó: có 9 mẫu tích cực (có chơiTennis) và 5 mẫu tiêu cực (Không chơi Tennis): - Độ ẩm = Cao có 3 tích cực và 4 tiêu cực. - Độ ẩm = Bình thường có 6 tích cực và 1 tiêu cực - Gió = Yếu có 6 tích cực và 2 tiêu cực - Gió = Mạnh có 3 tích cực và 3 tiêu cực Tiểu luận môn học GV: TS. Đoàn Thanh Nghị Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 9 - Nhiệt độ = Nóng có 2 tích cực và 2 tiêu cực - Nhiệt độ = Trung bình có 1 tích cực và 0 tiêu cực - Nhiệt độ = Ấm áp có 4 tích cực và 2 tiêu cực - Nhiệt độ = Lạnh có 2 tích cực và 1 tiêu cực - Trời = Nắng có 2 tích cực 3 tiêu cực - Trời = Nhiều mây có 4 tích cực và 0 tiêu cực - Trời = Mưa có 3 tích cực và 2 tiêu cực Vậy từ các dữ liệu trên bạn hãy xác định xem với các điều kiện <Trời = nắng, Nhiệt độ = Lạnh, Độ ẩm = cao, Gió = mạnh> thì người chơi có chơi Tennis không? Trả lời: Bước 1: Tính các giá trị xác suất  Tính xác suất trước cho mỗi phân lớp: - P(Chơi Tennis = Có) = 9 14 - P(Chơi Tennis = Không) = 5 14  Tính xác suất của mỗi giá trị thuộc tính đối với các phân lớp: - P (Trời | Chơi Tennis) Chơi Tennis Nắng Nhiều mây Mưa Có 2/9 4/9 3/9 Không 3/5 0/5 = 0 2/5 - P (Nhiệt độ | Chơi Tennis) Chơi Tennis Nóng Trung bình Ấm áp Lạnh Có 2/9 1/9 4/9 2/9 Không 2/5 0/5 = 0 2/5 1/5 - P (Độ ẩm | Chơi Tennis) Chơi Tennis Cao Bình thường Có 3/9 6/9 Không 4/5 1/5 [...]... là thư rác và không phải thư rác Và bài toán phân loại văn bản là một bài toán điển hình áp dụng phương pháp phân loại Naïve Bayes và đạt được hiệu quả rất cao 2 Các bước của thuật toán trong phân loại thư rác Bước 1:  Tính xác suất P(Ci): P(Ci) được xác định bởi số lượng thư là thư rác hoặc không là thư rác chia cho tổng số thư trong tập huấn luyện: P(Ci )  | DCi | |D| với DC là tập các thư là thư. .. thứ i trong nội dung thư Ta có thể gán giá trị xi là 1 nếu trong nội dung thư có chứa đặc trưng thứ i hoặc ngược lại là 0 nếu trong nội dung thư không chứa đặc trưng thứ i Mỗi thư được gán một nhãn phân loại C có thể nhận một trong hai giá trị: C = 1 cho trường hợp thư rác và C = 0 cho trường hợp thư bình thư ng Bài toán phân loại thư rác là một trường hợp đặc biệt của bài toán phân loại văn bản với... pHVec, pSVec, pS) Hàm thực hiện phân loại, trong đó: - inputVec: biễu diễn vectơ của nội dung thư cần phân loại - pHVec: tập các xác suất xuất hiện của từng đặc trưng đối với thư bình thư ng - pSVec: tập các xác suất xuất hiện của từng đặc trưng đối với thư rác - pS: xác xuất trước của thư rác trong tập huấn luyện Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 15 GV: TS Đoàn Thanh... ứng dụng trong phân loại thư rác 14 GV: TS Đoàn Thanh Nghị Tiểu luận môn học IV Cài đặt đoạn code 1 Các hàm chính  createVocabFile(spamDir, hamDir, vocabFile) Hàm tạo file từ điển hay tập đặc trưng, mỗi đặc trưng là một từ đơn được phân cách bởi một dấu phẩy “, “, trong đó: - spamDir: đường dẫn đến thư mục chứa các file thư rác - hamDir: đường dẫn đến thư mục chứa các file thư bình thư ng - vocabFile:... ứng dụng trong phân loại thư rác 10 GV: TS Đoàn Thanh Nghị Tiểu luận môn học III Ứng dụng trong bài toán phân loại thư rác 1 Biễu diễn bài toán Với phương pháp phân loại Naïve Bayes, từ tập huấn luyện D (nội dung của từng thư một) ta xác định một tập đặc trưng với n đặc trưng, mỗi đặc trưng có thể là một từ hoặc một cụm từ và các từ hoặc cụm từ này phải là từng đôi một khác nhau Mỗi thư (phần nội dung)...  n(x k , Ci ) | DCi | Tìm hiểu Navie Bayes classifier và ứng dụng trong phân loại thư rác 11 GV: TS Đoàn Thanh Nghị Tiểu luận môn học với n(xk, Ci) là số thư thuộc phân lớp Ci có đặc trưng thứ k mang giá trị xk (hay số thư thuộc phân lớp Ci có xuất hiện đặc trưng thứ k) Để tránh trường hợp giá trị xác suất là 0, khi cài đặt ta thư ng sử dụng kỹ thuật Additive smoothing bằng cách cộng tử với 1 và cộng... một thư bởi một vectơ đặc trưng, trong đó: - vocabList: danh sách các từ trong tập đặc trưng - message: nội dung thư cần cần biểu diễn  createDataSetFile(spamDir, hamDir, vocabFile, dsFile) Hàm tạo file dataset, file chứa các vectơ đặc trưng được của từng thư trong tập huấn luyện Mỗi dòng là một vectơ, phần tử cuối cùng của vectơ cho biết thư tương ứng là thư rác (mang giá trị 1) hay không phải thư. .. Bước 2: Xét một thư mới Enew có nội dung như sau: Enew = “stupid worthless garbage” Vectơ đặc trưng của thư Enew sẽ được biểu diễn: vEnew = (0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,1,0,0,0) Tính xác suất mà thư Enew có thể là: - Spam: PSE = 0.5 x 0.4 x 0.4 x 0.4 = 0.032 - Non-spam: PHE = 0.5 x 0.2 x 0.2 x 0.2 = 0.004  Do PSE > PHE nên ta có thể dự đoán được thư mới Enew là spam mail (thư rác) Tìm... vectơ, phần tử cuối cùng của vectơ cho biết thư tương ứng là thư rác (mang giá trị 1) hay không phải thư rác (mang giá trị 0) Trong đó: - spamDir : đường dẫn đến thư mục chứa các file thư rác - hamDir: đường dẫn đến thư mục chứa các file thư bình thư ng - vocabFile: đường dẫn đến file từ điển - dsFile: đường dẫn đến file dataset cần tạo  trainningNB(vocabFile, dsFile, trainFile) Hàm thực hiện việc huấn... spam (thư rác) hoặc nonspam (thư bình thư ng) sau: STT Nội dung thư Nhãn 1 maybe not take him to dog park stupid Spam 2 stop posting stupid worthless garbage Spam 3 quit buying worthless dog food stupid Spam 4 my dog has flea problems help please Non-spam 5 my dalmation is so cute I love him Non-spam 6 mr licks ate my steak how to stop him Non-spam Tìm hiểu Navie Bayes classifier và ứng dụng trong phân . ứng dụng trong phân loại thư rác 1 Mục lục I. Tìm hiểu thư rác và một số phương pháp lọc thư rác 3 1. Định nghĩa thư rác: 3 2. Phân loại thư rác: 3 3. Các phương pháp lọc thư rác: 3 II gồm thư điện tử rác và tin nhắn rác. 2. Phân loại thư rác: Có nhiều cách phân loại thư rác:  Dựa trên kiểu phát tán thư rác: Tính tới thời điểm hiện tại, thư rác có thể bị gửi thông qua thư. hợp thư rác và C = 0 cho trường hợp thư bình thư ng. Bài toán phân loại thư rác là một trường hợp đặc biệt của bài toán phân loại văn bản với hai loại văn bản là thư rác và không phải thư