Использование байесовской фильтрации спама для классификации писем в Python

Использование байесовской фильтрации спама

Aspose.Email предоставляет функциональность фильтрации email с использованием байесовского анализатора спама. Он предоставляет SpamAnalyzer класс для этой цели. Эта статья показывает, как обучить фильтр различать спам и обычные письма на основе словарной базы данных.

1. Укажите пути к папкам для писем‑вирусов (ham_folder), спам‑писем (spam_folder), тестовых писем (test_folder) и файл базы данных (database_file) для спам‑фильтра.
2. Определите вспомогательную функцию print_result чтобы вывести, классифицируется ли сообщение как спам или нет, на основе рассчитанной вероятности спама.
3. Создайте анализатор спама, используя файл базы данных, обучите его письмами из ham_folder (не спам) и spam_folder (спам), затем сохраните обученную базу данных.
4. Загрузите файлы .eml из «test_folder», проанализируйте каждый с помощью SpamAnalyzer.test, чтобы получить вероятность спама, и выведите тему письма и классификацию с помощью «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)