Usando filtragem de spam bayesiana para classificar e-mails em Python

Usando filtragem de spam bayesiana

Aspose.Email fornece funcionalidade de filtragem de e‑mail usando um analisador de spam bayesiano. Ele fornece o SpamAnalyzer classe para esse propósito. Este artigo mostra como treinar o filtro para distinguir entre spam e e‑mail normal com base em um banco de palavras.

1. Especifique os caminhos das pastas para os e‑mails legítimos (ham_folder), e‑mails de spam (spam_folder), e‑mails de teste (test_folder) e o arquivo de banco de dados (database_file) para o filtro de spam.
2. Defina a função auxiliar print_result para imprimir se uma mensagem foi classificada como spam ou não com base na probabilidade de spam calculada.
3. Crie um analisador de spam usando o arquivo de banco de dados, treine-o com e‑mails de ham_folder (não spam) e spam_folder (spam) e, em seguida, salve o banco de dados treinado.
4. Carregue arquivos .eml da pasta ’test_folder’, analise cada um com SpamAnalyzer.test para obter a probabilidade de spam e imprima o assunto do e‑mail e a classificação usando ‘print_result’.

from aspose.email import MailMessage, SaveOptions, MsgLoadOptions, MessageFormat, FileCompatibilityMode
from aspose.email.antispam import SpamAnalyzer
import os

ham_folder = "/hamFolder"
spam_folder = "/Spam"
test_folder = data_dir
database_file = "SpamFilterDatabase.txt"

def print_result(probability):
    if probability >= 0.5:
        print("The message is classified as spam.")
    else:
        print("The message is classified as not spam.")
    print("Spam Probability: " + str(probability))
    print()

def teach_and_create_database(ham_folder, spam_folder, database_file):
    analyzer = SpamAnalyzer(database_file)
    analyzer.teach_from_directory(ham_folder, True)
    analyzer.teach_from_directory(spam_folder, False)
    analyzer.save_database()

teach_and_create_database(ham_folder, spam_folder, database_file)

test_files = [f for f in os.listdir(test_folder) if f.endswith(".eml")]
analyzer = SpamAnalyzer(database_file)

for file in test_files:
    file_path = os.path.join(test_folder, file)
    msg = MailMessage.load(file_path)
    print(msg.subject)
    probability = analyzer.test(msg)
    print_result(probability)