贝叶斯反垃圾邮件过滤如何调优以降低误报？

Question

Accepted Answer

基本原理 贝叶斯过滤器统计每个词元（token）在垃圾与正常邮件中出现的频率，按贝叶斯公式给出该邮件为垃圾的后验概率。Paul Graham 2002 年提出的「Plan for Spam」是经典起点；SpamAssassin 的 Bayes 模块、DSPAM 均以此为基础。其优势是 随用户习惯自适应 。 降低误报的关键 双向语料 ：必须同时提供足量「正常邮件」与「垃圾邮件」样本，仅喂垃圾样本会严重偏向误杀； 阈值设定 ：把判定为垃圾的阈值调高（如 0.99 而非 0.90），把「疑似」区间交给 quarantine 而非直接删除； 停用自动学习噪声 ： bayes_auto_learn 在边界样本上易学错，应关闭或仅对高置信样本自动学习。 训练与反馈闭环 以 SpamAssassin 为例： sa-learn --spam /path/to/spam 与 sa-learn --ham /path/to/ham 注入语料；对误报的正常邮件执行 sa-learn --ham 纠正。定期 sa-learn --sync 并监控误报率，使过滤器持续贴合真实流量。 参考：Paul Graham《A Plan for Spam》(2002)、SpamAssassin Bayes 文档、DSPAM 贝叶斯实现说明。