초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

정보화 시대에는 사람들의 모든 활동이 인터넷을 통해서 대부분 이루어진다. 이중에서 전자 메일이 차지하는 비중은 매우 크다. 고객 유치를 위한 기업들의 광고와 배움을 위한 강의, 자신의 관심 분야에 대한 정보 등을 전자 매일로 받아보게 되는 것이 더 많아 질것이다. 이러한 상황에서 사람들은 자신이 필요로 하는 메일과 필요로 하지 않는 메일을 분류하는데 많은 시간을 낭비한다. 사람들은 이러한 시간 낭비를 줄이기 위해서 메일 분류 시스템을 사용한다. 현재 사용되고 있는 매일 분류 시스템은 스팸 매일을 기준으로 하고 있다. 그러나 오분류되는 메일들이 있어 사용자가 스팸 메일을 다시 보는 경우가 있어 한계를 보인다. 본 논문에서는 사람들이 자신이 원하는 메일과 그렇지 않은 메일을 분류하기 위해서 1차 분류로 긍정어와 부정어를 이용하여 전자 메일을 분류하고 2차 분류로 도메인 네임을 이용하여 분류한다.

정보화 시대에는 사람들의 모든 활동이 인터넷을 통해서 대부분 이루어진다. 이중에서 전자 메일이 차지하는 비중은 매우 크다. 고객 유치를 위한 기업들의 광고와 배움을 위한 강의, 자신의 관심 분야에 대한 정보 등을 전자 매일로 받아보게 되는 것이 더 많아 질것이다. 이러한 상황에서 사람들은 자신이 필요로 하는 메일과 필요로 하지 않는 메일을 분류하는데 많은 시간을 낭비한다. 사람들은 이러한 시간 낭비를 줄이기 위해서 메일 분류 시스템을 사용한다. 현재 사용되고 있는 매일 분류 시스템은 스팸 매일을 기준으로 하고 있다. 그러나 오분류되는 메일들이 있어 사용자가 스팸 메일을 다시 보는 경우가 있어 한계를 보인다. 본 논문에서는 사람들이 자신이 원하는 메일과 그렇지 않은 메일을 분류하기 위해서 1차 분류로 긍정어와 부정어를 이용하여 전자 메일을 분류하고 2차 분류로 도메인 네임을 이용하여 분류한다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 전자 메일을 1차 분류 방법으로 사용자가 선택한 긍정어와 부정어를 이용하여 분류해주고 2차 분류 방법으로 도메인 네임을 이용해서 스팸 메일을 분류하는 방법을 제시 한다.
• 이런 문제점들을 보완하기 위한 방법으로 본 논문에서는 긍정어와 부정어를 사용하여 메일을 분류하는 방법을 제시한다.

제안 방법

• 시소러스를 이용한 방법은 사용자 적합도를 판단하기 위해 사용자 관련 정보로부터 동적 시소러스를 구축한다. 구축된 시소러스와의 비교를 통해 사용자에게 유용한 메일인지 아닌지를 결정하고, 사용자가 지정한 폴더 키워드를 중심으로 사용자 시소러스로부터 유전자 알고리즘을 이용해 추출한 키워드들과의 적합도 비교를 통해서 특정 폴더로 메일을 분류한다.[8H₉H₁ 이
• 긍정어와 부정어는 설문 조사를 통해서 선호도가 높온 순서로 13개를 선택하여 긍정어와 부정어 파일을 생성하였다. 설문 조사로 만들어진 긍정어와 부정어에 대한 신뢰도를 위해서 전자 메일 309개를 사용하였고, 본 실험에서는 전자 메일 892개를 사용하였다.
• 본문에서 hyperlink를 이용한 방법으로 인터넷 주소의 특징을 추출한다. 예를 들어 본문의 내용에 www.
• 정상 메일과 스팸 메일로 구분해서 메일을 수집하였으며, 사용자가 수신을 허락한 광고 및 매거진은 스팸 메일로 구분하지 않았다. 사용자가 헤더와 본문에 대해서 선택한 긍정어와 부정어를 적용하여 1차 분류를 했고, 헤더와 본문에 있는 도메인 네임의 존재 여부를 사용하여 2차 분류를 하였다.
• 전자 메일의 헤더와 본문에서 긍정어 파일과 부정어 파일에 있는 단어와 동일한 단어를 찾아서 단어 가중치를 주고 단어 가중치의 합에 따라서 메일을 분류한다. 전자 메일의 단어 가중치 합(Wt)이 0보다 크면 정상 메일로 분류되며 0보다 작으면 스팸 메일로 분류한다.
• 전자 메일의 혜더와 본문에서 도메인 네임들을 추출하여 도메인 네임 존재 여부를 알아보고 도메인 가중치 값을 부여한다. 도메인 가중치 값의 합에 따라서 메일을 분 류한다.

대상 데이터

• 긍정어와 부정어는 설문 조사를 통해서 선호도가 높온 순서로 13개를 선택하여 긍정어와 부정어 파일을 생성하였다. 설문 조사로 만들어진 긍정어와 부정어에 대한 신뢰도를 위해서 전자 메일 309개를 사용하였고, 본 실험에서는 전자 메일 892개를 사용하였다.

이론/모형

• 저빈도의 단어에 대해서 신뢰할 수 있는 가중치 부여 기법인 카이제곱 통계량을 이용하여 단어의 가중치를 부여한다.[5] 단어의 빈도가 지나치게 낮 은 영향력을 보충하고, 단어의 빈도가 높은 단어의 지나친 영향력을 낮추기 위해 로그 단어 빈도 가중치 공식을 사용한다.[6] [7]
• 이 방법은 스팸메일과 비스팸 메일에서 단어의 출현 빈 도 수를 이용한다. 저빈도의 단어에 대해서 신뢰할 수 있는 가중치 부여 기법인 카이제곱 통계량을 이용하여 단어의 가중치를 부여한다.[5] 단어의 빈도가 지나치게 낮 은 영향력을 보충하고, 단어의 빈도가 높은 단어의 지나친 영향력을 낮추기 위해 로그 단어 빈도 가중치 공식을 사용한다.

성능/효과

• 긍정어와 부정어를 이용한 1차 분류에서 본문의 내용이 아스키 코드로 변환되어있어 실패를 많이 했음을 보았다. 아스키 코드로 변환된 메일을 분류할 수 있는 방법이 향후 과제로 나타났다.
• 본 논문에서 제시한 방법으로 사람이 잘못 분류하는 경우도 찾아내었으며, 단어만을 가지고 사용해서 분류에 실패한 메일들이 도메인 네임을 사용하여 분류할 때는 분류가 되었음을 보여준다.
• <표3>에서는 2차 분류까지 실험한 최종 결과로 본 논문에서 제시한 방법온 재현율 97.02%와 정확율 97.36%의 성공율을 보인다. 잘못 분류된 것은 전자 메일을 수집할 때 잘못 분류한 것으로 나타났다.
• 위의 실험 결과로 긍정어와 부정어롤 이용한 1차 분류 재현율은 76.97%이고, 정확율은 96.61%이다. 잘못 분류된 메일은 사람의 실수로 잘못 분류된 것으로 나타났다.
• 위의 실험 결과로 도메인 네임을 이용한 2차 분류 재현율온 97.02%이고, 정확율은 97.36%이다. 잘못 분류된 메일은 사람의 실수로 잘못 분류된 것으로 나타났다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기