| 研究課題/領域番号 |
18500072
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
メディア情報学・データベース
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
阪口 哲男 筑波大学, 大学院・図書館情報メディア研究科, 准教授 (10225790)
|
|---|
| 研究分担者 |
杉本 重雄 筑波大学, 大学院・図書館情報メディア研究科, 教授 (40154489)
永森 光晴 筑波大学, 大学院・システム情報工学研究科, 講師 (60272209)
|
|---|
| 研究期間 (年度) |
2006 – 2007
|
| 研究課題ステータス |
完了 (2007年度)
|
| 配分額 *注記 |
2,870千円 (直接経費: 2,600千円、間接経費: 270千円)
2007年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2006年度: 1,700千円 (直接経費: 1,700千円)
|
|---|
| キーワード | 電子メール / spam / 多言語テキスト処理 / 自動分類 / 迷惑メール / Unicode / 多言語処理 |
|---|
| 研究概要 |
近年、インターネットの電子メールでは受信者が求めていないメッセージを多量に送りつける、いわゆる迷惑メール(spam, UBE)の増加が問題となっている。この対策の一種として、メッセージの特徴に基づく学習型の自動分類手法を用い、利用者が迷惑メールを選別する手間を減らす方式がある。
しかしながら、その特徴量の抽出には主に自然言語処理の形態素解析手法が用いられているため、英語を始めとする特定の言語には対応しているが、それ以外の言語で書かれた迷惑メールの選別精度に問題が残る。
本研究はこのような状況において、特定の言語向けの形態素解析手法によらず、電子メールにおけるメッセージからの特徴量抽出手法を検討し、その評価を行うことによって、メッセージを記述している言語に依存しない迷惑メールフィルタリングの手法の開発を進めるものである。
メールから抽出する特徴量としで「語」に代わるものに基づくことにより言語に依存しないフィルタリング方式の確立を目指す。平成18年度までに単純に一定の長さの部分文字列を切り出す手法の開発とその評価を進めてきた。しかしながら固定長による方式では一単語あたりの文字列長が長くなる表音文字が主であるメールについての精度に問題がある。そこで、平成19年度はUnicodeの文字分類や文字属性を利用した可変長切り出し手法の開発を行った。そしてコーパスによる実験を通じてその精度の改善を確認した。しかしながら、残された課題として評価実験に用いるコーパス構築における非迷惑メールの収集があり、今後様々な迷惑メール対策手法の開発共通の問題となりつつあることがわかった。
|
