基于改进三角测量拓扑聚合优化器 (ITTAO) 优化的门控循环单元 (GRU) 的电子邮件垃圾邮件检测

《Scientific Reports》：Email spam detection using gated recurrent unit (GRU) optimized by improved triangulation topology aggregation optimizer (ITTAO)

　　

摘要

电子邮件垃圾邮件检测对于通过消除潜在危险和不需要的消息来维护数字通信系统的安全性和完整性至关重要。本研究探讨了先进机器学习方法的有效性，特别侧重于使用改进的三角拓扑聚合优化器（ITTAO）优化的门控循环单元（GRU）神经网络。通过彻底的预处理方法（包括停用词去除、规范化、词形还原和词干提取），结合词袋（BoW）模型，所提出的系统显著增强了电子邮件内容分类能力。在所提出的模型于既定数据集（如 Ling-Spam、SMS Spam Collection v.1 和 Enron）上进行评估时，该模型展示了显著的精确率、召回率和 F1 分数，分别为 96.87%、96.98% 和 96.92%。结果表明，所提出的 GRU-ITTAO 模型优于传统算法及其他神经网络架构，包括 GRU、长短期记忆（LSTM）和双向长短期记忆（BiLSTM）。本研究强调了深度学习方法和机器学习在改进垃圾邮件检测系统方面的潜力，并指出该模型能够识别绝大多数垃圾邮件。