1、電子郵件已經(jīng)成為人們不可或缺的交流媒介，然而垃圾郵件的盛行不僅占用網(wǎng)絡資源，甚至危害社會公共安全。當前郵件分類技術存在較高的正常郵件誤判率，然而社交網(wǎng)絡中用戶的愛好信息給郵件分類技術提供了很好的突破口。充分利用郵件的豐富屬性和社交網(wǎng)絡中的用戶關系來降低正常郵件誤判率，同時解決傳統(tǒng)數(shù)據(jù)庫在存儲和管理社交網(wǎng)絡復雜信息上所存在的性能問題為郵件分類提供了新視角。
　　提出了一種結合用戶屬性的郵件分類算法 ATIB（user ATtribu

2、te Integrated with Bayes spam filter），提取用戶的愛好屬性，以及社交網(wǎng)絡中用戶之間的親近度信息，將用戶親近度關系進行量化，突破只能利用直接朋友關系的限制，而可以計算社交網(wǎng)絡中任意兩個用戶之間的親近度關系，利用親近度越高的用戶之間發(fā)送垃圾郵件概率越低的特性來提升郵件分類算法的準確率。加入郵件主題因子，根據(jù)垃圾郵件回復度為0的特性降低正常郵件誤判率。進而根據(jù)用戶刪除誤判為正常郵件的垃圾郵件和恢復誤判為垃圾

3、郵件的正常郵件的行為來優(yōu)化現(xiàn)有的分類算法。采用圖數(shù)據(jù)庫對提取的郵件元數(shù)據(jù)進行管理，提高分類算法的效率。
　　實驗表明，提出的結合用戶屬性的分類算法在微軟發(fā)布的郵件訓練集下，垃圾郵件分類準確率可以達到97.9％，比樸素貝葉斯分類算法和SOAP（Social Network Aided Personalized and effective spam filter）算法分別提高了9%和5.8%，正常郵件誤判率可以達到1.3%，比樸素貝葉