COMPARAÇÃO DE TÉCNICAS DE CLASSIFICAÇÃO PARA DETECÇÃO DE SPAM

Abstract

Spam é um problema tanto para usuários comuns quanto para servidores de e-mails e provedores de internet, sendo que umas das soluções mais utilizadas são filtros AntiSpam, utilizados em provedores de internet. Este estudo utilizou-se de técnicas de Inteligência Artificial, por meio de algoritmos de aprendizagem de máquina do software Weka, para fazer uma análise de classificação e comparação, ente o desempenho de três técnicas de aprendizado de máquina: árvore de decisão (J48), NaivesBayes e k-vizinhos mais próximos (K-NN). Para os testes foi utilizada uma base de dados com 500 e-mails, sendo 250 spams e 250 não spams, todos retirados de uma conta légitima do Gmail. Entre os algoritmos testados, o k-vizinhos mais próximos (K-NN), sem a utilização de stopwords, obteve o melhor resultado na classificação de e-mail com 92.6% de acertos. O algoritmo Naive Bayes, teve uma taxa de 91% de erros. A técnica de árvores de decisão (J48) apresentou a pior taxa de acertos com aproximadamente 87%.