Використання баєсового спам-фільтра для класифікації електронних листів у Python

Використання баєсового спам‑фільтру

Aspose.Email надає функціональність фільтрації електронної пошти за допомогою баєсового спам‑аналізатора. Він забезпечує SpamAnalyzer клас для цієї мети. У цій статті показано, як навчити фільтр розрізняти спам і звичайну пошту на основі словникової бази.

1. Вкажіть шляхи до папок для листів‑не‑спам (ham_folder), листів‑спам (spam_folder), тестових листів (test_folder) та файл бази даних (database_file) для спам‑фільтра.
2. Визначте допоміжну функцію print_result щоб вивести, чи повідомлення класифіковано як спам, чи ні, на основі розрахованої ймовірності спаму.
3. Створіть Spam Analyzer, навчіть його за допомогою листів з ham_folder (не спам) і spam_folder (спам) методом ’train_filter(message, is_spam)’, потім збережіть навчену базу даних за допомогою ‘save_database(file_path)’.
4. Створіть Spam Analyzer, відновіть навчену базу даних за допомогою ’load_database(file_path)’, завантажте .eml файли з ’test_folder’, проаналізуйте кожен за допомогою ’test(message)’ для отримання ймовірності спаму та виведіть тему листа і класифікацію за допомогою ‘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)