Erkennung von Spam-Emails mit Ansätzen des Maschinellen Lernens

Abstract

E-Mails sind eine gängige und bevorzugte Methode der schriftlichen Kommunikation in unserem täglichen Leben. Das Problem mit E-Mails ist Spam. Spam-E-Mails werden mit unterschiedlichen Absichten versendet, wobei Werbung und Betrug die Hauptursachen sind. Da sie billig zu versenden sind, verursachen sie viele Probleme für die Internet-Community. Diese Arbeit befasst sich mit der Spam-E-Mails-Problematik. Dabei werden zwei unterschiedliche Merkmalsextraktionsmethoden zusammen mit sechs verschiedenen Klassifikatoren für überwachtes maschinelles Lernen untersucht. Die Leistung der durchgeführten Experimente wird anhand vier Metriken auf einem öffentlich verfügbaren Filter-Spam-Datensatz bewertet und präsentiert.

Email is a common and preferred method of written communication in our daily lives. The problem with email is spam. Spam emails are sent with different intentions, but advertising and scams are the main causes. Since it is cheap to ship, it causes many issues for the internet community. This thesis deals with the concern of spam e-mails. Two different feature extraction methods are examined, along with six different supervised machine learning classifiers. The performance of the experiments performed is evaluated and presented using four metrics on a publicly available filter spam dataset.