선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- [표 1]은 SVM 메일 구분결과를 나타내고 있다. decision값이 100%에 이르도록 정상 메일과 스팸 메일을 분류할 수 있는 최적의 항독을 찾고자 Feature Selection 기법을 사号하여 항 목을 선별하는 것이 이 논문의 주요 내용이다. 마이크로어레이 데이터를 이용한 암세포 분류기법에 사용한 Feature Selection 기법을 응용한다.
- 스팸 메일이 전체 메일의 절반 이상을 차지하는 수준에 이르 다 보니 개인 및 기업에게 스팸 에일 삭제에 엄청난 비용 및 시간의 부담을 준다. 따라서 스팸 메일 분류하는 연구가 있 어왔다, [2] 본 논문에서는 이런 사항을 개선하기 위해서 정 상 메일과 스팸 메일을 분류할 수 있는 최적의 항목을 찾고자 하는데 목적을 두고 있다, 이 메일 분석의 방법으로는 다음의 순서대로 작업을 하였다.
- 본 논문에서는 정상 메일과 스팸 메일을 분류할 수 있는 최적 의 항목을 찾고자 Feature Selection기법을 제시하였다.
- 본 논문에서는 패턴 문류 문제에 있어서 우수한 성능을 보이는 SVM(S나ppo「t Vector Machine)을 사其하여 스팸 메일 여부 를 판정하였으며 패턴 분리의 정확성을 증대시키기 위해서 정 상 메일(legitimate mail)과 스팸 메일(spam mail)을 분류할 수 있는 최적의 항목(Keyword)을 찾고자 Feature Election 기법을 사용하여 항목을 선별하였으며 미 선별된 항목이 얼마나 정확한 구분력을 가지고 있는지를 나타내고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.