Détection de SPAM par collaboration de classifieurs probabilistes
No Thumbnail Available
Date
2022
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des Sciences
Abstract
Dans ce travail, nous avons contribué au perfectionnement des filtres anti-spam par la réalisation d’une méthode collaborative utilisant deux classifieurs probabilistes basé chacun sur la règle de décision universelle de Bayes. Ces deux classifieurs utilisent respectivement deux distributions : gaussienne et exponentielle. Nous avons choisi la distribution exponentielle suite à l'adoption du nombre de mots suspects comme caractéristique de détection du fait qu’elle est plus appropriée que celle de Gausse pour cette variable. Nous avons, aussi, adopté une des méthodes d'apprentissage supervisé basé sur le contenu textuel.
Ce filtre, expérimenté en utilisant un corpus public (SMS Spam Collection), a montré une efficacité en termes de précision. Les classifieurs Gausien et exponentiel ont atteint une précision de 97 et 95% respectivement. La combinaison des deux algorithmes a augmenté les performances de notre classifieur collaboratif