Der Markow-Spamfilter (nach Andrei Andrejewitsch Markow) ist ein Spamfilter basierend auf einem Hidden Markov Model und stellt eine Weiterentwicklung des Bayes-Spamfilters dar. Der Spamfilter errechnet dabei die Wahrscheinlichkeit, mit der die Wortketten des überprüften Textes zu Wortketten typischer Spamtexte passen. Während bei einem Bayes-Spamfilter die Wahrscheinlichkeit einzelner Wörter errechnet wird, zieht der Markow-Spamfilter Wortketten zur Ermittlung der Wahrscheinlichkeit heran und gewichtet die einzelnen Kombinationsmöglichkeiten. Ähneln die Wortketten des überprüften Textes denen typischer Spamtexte, so gilt der überprüfte Text als Spam.
Beispiel für Gewichtung der Kombinationsmöglichkeiten Bearbeiten
Am Beispiel des Satzes „Der schnelle braune Fuchs springt …“ kann man die Kombinationsmöglichkeiten und Gewichtungen 22N im Markow-Spamfilter veranschaulichen:
| Wortkette | Gewichtung | N |
|---|---|---|
| Der | 1 | 0 |
| Der schnelle | 4 | 1 |
| Der <...> braune | 4 | 1 |
| Der <...> <...> Fuchs | 4 | 1 |
| Der schnelle braune | 16 | 2 |
| Der <...> braune Fuchs | 16 | 2 |
| Der schnelle <...> Fuchs | 16 | 2 |
| Der schnelle braune Fuchs | 64 | 3 |
Formale Darstellung der Wahrscheinlichkeitsberechnung Bearbeiten
Während die Wahrscheinlichkeit aufgrund des Bayes-Spamfilters durch
angegeben wird, gilt für das Markow-Spamfilter
Literatur Bearbeiten
- Shalendra Chhabra, William S. Yerazunis, Christian Siefkes: Spam Filtering using a Markov Random Field Model with Variable Weighting Schemas. In: Fourth IEEE International Conference on Data Mining (ICDM'04). 2004, S. 347–350, doi:10.1109/ICDM.2004.10031.