Markow-Spamfilter

Filter zur Klassifizierung unerwünschter E-Mail-Nachrichten

Der Markow-Spamfilter (nach Andrei Andrejewitsch Markow) ist ein Spamfilter basierend auf einem Hidden Markov Model und stellt eine Weiterentwicklung des Bayes-Spamfilters dar. Der Spamfilter errechnet dabei die Wahrscheinlichkeit, mit der die Wortketten des überprüften Textes zu Wortketten typischer Spamtexte passen. Während bei einem Bayes-Spamfilter die Wahrscheinlichkeit einzelner Wörter errechnet wird, zieht der Markow-Spamfilter Wortketten zur Ermittlung der Wahrscheinlichkeit heran und gewichtet die einzelnen Kombinationsmöglichkeiten. Ähneln die Wortketten des überprüften Textes denen typischer Spamtexte, so gilt der überprüfte Text als Spam.

Beispiel für Gewichtung der Kombinationsmöglichkeiten

Bearbeiten

Am Beispiel des Satzes „Der schnelle braune Fuchs springt …“ kann man die Kombinationsmöglichkeiten und Gewichtungen 22N im Markow-Spamfilter veranschaulichen:

Wortkette Gewichtung N
Der 1 0
Der schnelle 4 1
Der <...> braune 4 1
Der <...> <...> Fuchs 4 1
Der schnelle braune 16 2
Der <...> braune Fuchs 16 2
Der schnelle <...> Fuchs 16 2
Der schnelle braune Fuchs 64 3

Formale Darstellung der Wahrscheinlichkeitsberechnung

Bearbeiten

Während die Wahrscheinlichkeit aufgrund des Bayes-Spamfilters durch

 

angegeben wird, gilt für das Markow-Spamfilter

 .

Literatur

Bearbeiten
  • Shalendra Chhabra, William S. Yerazunis, Christian Siefkes: Spam Filtering using a Markov Random Field Model with Variable Weighting Schemas. In: Fourth IEEE International Conference on Data Mining (ICDM'04). 2004, S. 347–350, doi:10.1109/ICDM.2004.10031.
Bearbeiten