This Thesis is about the automatic control of an email message, to be checked if it is a valid message or not, using Machine Learning methods. As is well known, the classification of an email message is one of the most famous classification problems. Machine Learning methods are known for widespread use on classification problems, since their operation is based simply on training a classifier based on some training data. In this study we present 5 Machine learning methods (Naïve Bayes, Bayes-Nets, Decision Trees, SVM, MLP) for the categorization of e-mail messages. The five methods are evaluated experimentall, with the usage of six data sets and the results are compared both in the success rate of the categorization and in their time behavior.
Η Πτυχιακή Εργασία αφορά τον αυτόματο έλεγχο ενός μηνύματος ηλεκτρονικής αλληλογραφίας, έτσι ώστε αυτό να ελεγχθεί αν είναι ανεπιθύμητο, με την χρήση μεθόδων Μηχανικής Μάθησης. Όπως είναι ευρέως γνωστό, η κατηγοριοποίηση ενός μηνύματος ηλεκτρονικής αλληλογραφίας αποτελεί ένα από τα πλέον γνωστότερα προβλήματα κατηγοριοποίησης. Οι μέθοδοι Μηχανικής Μάθησης είναι γνωστές για την διαδεδομένη χρήση τους πάνω σε προβλήματα κατηγοριοποίησης, αφού ο τρόπος λειτουργίας τους βασίζεται απλά στην εκπαίδευση ενός κατηγοριοποιητή με βάση κάποια δεδομένα εκπαίδευσης. Στην συγκεκριμένη μελέτη εξετάζονται 5 μέθοδοι μηχανικής μάθησης (Naïve Bayes, Bayes-Nets, Decision Trees, SVM, MLP) για την κατηγοριοποίηση μηνυμάτων ηλεκτρονικής αλληλογραφίας. Οι 5 μέθοδοι αξιολογούνται πειραματικά πάνω σε 6 σύνολα δεδομένων και τα αποτελέσματα παρουσιάζονται συγκριτικά, τόσο στο ποσοστό επιτυχίας κατά την κατηγοριοποίηση των μηνυμάτων όσο και κατά την χρονική τους συμπεριφορά.
Hellenic Open University
Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.
