각자 편성 지도는 당신의 전자 우편의 장악한다

통신 무화과 저희의 독점적인 연구 뉴스 가장은 분류할 수 있고 싶, 그리고 일반적으로 편성한다 filterize 우리가 되도록 자동으로 받는 전자 우편의 광막한 양을 거르십시오. 거르기의 어떤 정도를 허용하는 대부분의 전자 우편 프로그램으로 조립된 각종 공구가 있다, 그러나 아무도는 완전하다 없다. 전형적인 사업 전자 우편 계정은 수만 전자 우편 매주마다 수천을 취급할지도 모른다 그렇지 않으면 당신이 고려할 때, 저것은 정보 과부하를 방지하기 위하여 끝나야 하는 전자 우편 조직의 지독한 제비이다.

지금, Helmut Berger와 전자 상거래 적성 센터에 iSpaces 연구 단체의 고위 연구원 두 마이클 Dittenbach (EC3), 비엔나, 비엔나의 기술적인 대학의 부교수 Dieter Merkl와 작동하는 오스트리아에서 전자 우편 분류를 위한 자료 준비에 각종 기술적인 해결책을 검토했다.

본문 분류 의무는 문서 양식을 확인하기 위하여 이용되골 발송인, 에 근거한 우선권 전자 우편의 적합한 폴더로 또는 특정한 노련한 수령인, 저자 속성 및 ID 거르는 허용하기 위하여 스팸 메시지를 밖으로 거르기에서 조사에 표준화한 응답의 대조 그리고 분석 또는 질문지, 예를 들면, 및 여러가지 다른 수신 메시지, 그리고, 당연히 허용할 수 있다.

연구원은 전자 우편 체계의 맞은편에 똑바른 산법으로 실행될 수 있는 지원 벡터 기계, 결정 트리 제자, 경우 근거한 비밀분류자, naïve 베이스 분류 접근 및 자가 구성 지도를 포함하여 업무를, 실행할 수 있던 각종 감독하고 unsupervised 기계 학습법을 공부했다. 그들은 낱말 기초를 두는 사용했다 또는 전자 우편 문서의 특성 "n 그램" 대표는 이들의 각각의 성과를 사정하기 위하여 접근한다.

"n 그램" 접근은 어떤 분류 오자, 특성 및 요약이 체재에서 체재에 부정확한 음역 뿐만 아니라 일반적인 전자 우편 메시지의 시끄러운 본질을 취급하기 위하여 체계든지 도와야 한다. 누군가는 이제까지 소음의 종류는 일 수 있다 두통 무엇을 각 낱말의 중간 그리고 계속 다르게 고분고분한 전자 우편 프로그램으로 도착하는 MS Outlook에서 발송한 전자 우편 전자 우편의 각 선의 끝과 시작에 암호로 하는 "=A30 ″ 및 "=20 ″ 및 html 같이 다스 그리고 다스 끈이 알 것이라는 점을 본다.

그들이 찾아낸 성공에 열쇠는 문서 대표의 한 부분으로 전자 우편 헤더 정보의 특정한 분석에 있었다. 어쨌든 전자 우편의 몸 내용외에 연구원을, 우두머리 포함한다 수신 메시지의 분류에서 이용될지도 모른 값을 헤아릴 수 없는 정보를 말하십시오. Surprisingly, they found that organization was affected to a much lesser degree by whether or not the word-based document representation was used rather than the n-gram character analysis. Perhaps categorizing based on real word analysis counters the presence of noise just as effectively as the character approach. Their main conclusion is that support vector machines (SVMs) rather than the commonly used Bayesian and other approaches is apparently the most successful at organizing email. Unattended self-organizing maps lagged only a little behind the SVM approach, surprisingly perhaps, given that no user input or training is needed.

That said, all six approaches tested showed at least 90% accuracy. However, with tens of thousands of emails, 10% falsely or negatively classified as something, spam, for example, that they are not could cause almost as big a headache as the information overload the filtering aims to tackle.

The team reports details of their study in the International Journal of Intelligent Information and Database Systems, 2007, 1, 91-121.