การใช้การกรองสแปมแบบเบย์เชี่ยนเพื่อจำแนกอีเมลใน Python

การใช้การกรองสแปมแบบเบย์เชี่ยน

Aspose.Email ให้ฟังก์ชันการกรองอีเมลโดยใช้ Bayesian spam analyzer. มันให้ SpamAnalyzer คลาสสำหรับจุดประสงค์นี้. บทความนี้แสดงวิธีฝึกตัวกรองให้แยกแยะระหว่างสแปมและอีเมลทั่วไปโดยอิงจากฐานข้อมูลคำ

1. ระบุเส้นทางโฟลเดอร์สำหรับอีเมล ham (ham_folder), อีเมลสแปม (spam_folder), อีเมลทดสอบ (test_folder), และไฟล์ฐานข้อมูล (database_file) สำหรับตัวกรองสแปม
2. กำหนดฟังก์ชันช่วยเหลือ print_result เพื่อพิมพ์ว่าข้อความนั้นถูกจำแนกว่าเป็นสแปมหรือไม่โดยอิงจากความน่าจะเป็นสแปมที่คำนวณได้
3. Create a Spam Analyzer, train it with the emails from ham_folder (not spam) and spam_folder (spam) using the ’train_filter(message, is_spam)’ method, then save the trained database with ‘save_database(file_path)’.
4. Create a Spam Analyzer, restore the trained database with ’load_database(file_path)’, load the .eml files from ’test_folder’, analyze each with ’test(message)’ to get the spam probability, and print the email subject and classification using ‘print_result’.

import os

from aspose.email import MailMessage
from aspose.email.antispam import SpamAnalyzer

ham_folder = "hamFolder"
spam_folder = "spamFolder"
test_folder = "testFolder"
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 train_from_directory(analyzer, folder, is_spam):
    for file in os.listdir(folder):
        if file.endswith(".eml"):
            analyzer.train_filter(MailMessage.load(os.path.join(folder, file)), is_spam)

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

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()
analyzer.load_database(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)