Filtri Bayesiani

Filtri Bayesiani

I filtri bayesiani sono basati sulla regola di Bayes, descritta esaurientemente dalla Stanford enciclopedia o in italiano da una semplice spiegazione. Permettono il calcolo della probabilità che un testo ricevuto sia di un certo tipo, per esempio spam, basandosi sui messaggi ricevuti in precedenza e classificati da un essere umano.

Innanzi tutto si suppongono le parole del testo indipendenti, cosa non vera ma che da buoni risultati pratici, il messaggio:

X = [x₁, ... ,x_n]

viene trattato come un vettore di v.a. (variabili aleatorie) indipendenti ed equidistribuite, ogni v.a. ha come realizzazione una parola del vocabolario. Dall'indipendenza segue che (considero l'evento spam):

P[ X = spam | X=(a₁, ... ,a_n) ] = ∏_i P[ X = spam | a_i = x_i]

Le a_i sono semplicemente le parole del messaggio ricevuto. A questo punto si applica la regola di Bayes:

                         P[ a_i = x_i | X = spam ]
P[ X = spam | a_i = x_i] = ------------------------ * P[ X = spam ]
                                 P[a_i]

Si applica la teoria frequentista e si calcolano le frequenze delle parole contenute nei messaggi riconosciuti dall'utente come spam:

P[ a_i = x_i | X = spam ] = frequenza della parola a_i in 
                          tutti i messaggi di spam

Le frequenze delle parole a priori si possono trovare facilmente:
P[a_i] = frequenza a priori della parola a_i Le frequenze dei messaggi di spam sono banalmente cacolabili:

P[ X = spam ] = frequenza dello spam

Credo che il mio procedimento sia corretto e che almeno sia una spiegazione didattica. Il procedimento usato per esempio da Thunderbird che usa i filtri bayesiani non lo conosco ma l'argomento mi ha incuriosito.

Sandro kensan

Data: 16 ott 2003
Letture di questo articolo: 1492

Firefox è stato scaricato 1 miliardi 312 milioni 797 mila 758 volte.

IL TUO 5 PER MILLE PER GLI OSPEDALI DI EMERGENCY codice fiscale:
971 471 101 55
lo scorso anno i fondi sono stati usati così

WANTED

Ricercato dall'Interpol, Reato: pedofilia, Residenza: Italia o Francia, parla perfettamente l'italiano, Nome: Christopher Ward DEININGER.
Scheda Interpol

Questo articolo tratta argomenti che sono trattati anche negli articoli:
(Il link all'argomento porta alla descrizione sommaria di tutti gli articoli aventi lo stesso tema)

argomento: Matematica, articoli: Anonymous Remailer (GnuPG e la posta elettronica), Palladium, Cifrario matriciale, Nozioni di Crittografia

argomento: Spam, articoli: SPEWS (la Black List)

argomento: Internet, articoli: Internet via GPRS, Fiorello Cortiana (partito dei Verdi), Internet via GPRS: TELIT MG10, Legge Levi-Prodi, Astroturfer, Google Sidewiki, Configurare una Internet key

argomento: Thunderbird, articoli: Avatar

Ciao Anonimo, commenta questo articolo!

NON ci sono ancora COMMENTI per questo articolo :

commenti abilitati per gli anonimi

Commenti sperimentali
by kensan & Mp

I miei testi sono sotto la Licenza "Creative Commons 2.0 Italia": se sei interessato a pubblicare i miei articoli leggi le note aggiuntive.
Questo sito usa Google AdSense come sistema pubblicitario e memorizza sul tuo pc uno o più cookie, leggi l'informativa sulla privacy che ti riguarda.

Kensan geek site

e-mail