Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011 463
PHƢƠNG PHÁP LỌC THƢ RÁC TIẾNG VIỆT DỰA TRÊN
TỪ GHÉP VÀ THEO VẾT NGƢỜI SỬ DỤNG

1

2
, Cao 
1
, 
1

1


2
nthông tin, i hp.H
Tóm tắt báo cáo. 


 bài báo này, c 
.
Từ khóa: -.
1. Giới thiệu


 [1].
 





 khuyến ma
̃
i





 






 khuyến



mi






















 . 




.
Trong bài báo này , 






Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011


… z
m
z
k
= s
i
… s
j
(1≤ k≤ m, 1≤ i, j≤ n) 

 




   




 
l

Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011 465
Hình 1 –
M


:
.
Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011 466
thìlà màcácnhững
 tuy nhiênmặc dùvì thếkhông những”, mà còn
@#$?&m 


 
nhau  
?!.). 

Sau


2.3. Phân tích từ đơn
Sau quá trình trênT
i
T
s
S
n
câu
,  S
j
(1≤ j≤ n) k W
m

 chúng tôi 
    

 
          trên website  





1
8933
12.2
2
48995
67.1
3
5727
7.9
4
7040
9.7
>=5
2001
3.1

72994
100
Bảng 1 - 


cao.
                 
α  α 
αα 


cách trênSD (Spam Document), D
i

SD 
S
n
S
i


S
n
(1≤ i≤ n) W
1
, W
2
, W
3
,… W
n

CW {W
j
, W


Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011 469
  

.

          
Naïve Bayes.
3. Quy trình lọc thƣ rác tiếng Việt
3.1.Áp dụng thuật toán Naïve Bayes
id 

content
spam
ham
P(spam | content)
Word
1
, Word
2
, Word
3
, Wordm content.
( | )* ( )
( | )
P content spam P spam
P spam content

(7)

>0.7  spam là <0.3 
Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011 470


 





 


Ham
Spam
Total
All messages
400
600
1000
With “bán”
300
100
400
With “ mua”





Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011 471







D={d
1
, d
2
,…, d
n
)      
d
i
(1≤ i≤ n)
d
i
= g
1
g


 



Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011 472





K

Spam
Ham
Spam
Ham



79/100
90/100
79%
90%




, 
. 




















Tài liệu tham khảo (References)
[1] Tu Tieng VietMLC 2002 Conference, Beijing,
November 2002, pp. 111-116.
Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông, Cần Thơ, 7-8 tháng 10 năm 2011 473
[2] Dinh Dien, Hoang Kiem, Nguyen Van Toan, Author, Vietnamese Word