[논문 리뷰] Improving the methods of email classification based on words ontology

Foruzan Kiamarzpour, Rouhollah Dianat외 2명|arXiv (Cornell University)|2013. 10. 22.

Spam and Phishing Detection참고 문헌 10인용 수 3

한 줄 요약

이 논문은 단어 온톨로지와 앙상블 결합 결정 트리를 융합하여 정확도를 향상시키는 새로운 이메일 스팸 분류 방법을 제안한다. 온톨로지에서 유도된 의미 관계를 활용해 특징 선택을 정밀화하고, 투표 방식으로 다수의 결정 트리를 통합함으로써, 기존의 키워드 기반 방법에 비해 향상된 스팸 탐지 성능을 달성한다.

ABSTRACT

The Internet has dramatically changed the relationship among people and their relationships with others people and made the valuable information available for the users. Email is the service, which the Internet provides today for its own users; this service has attracted most of the users' attention due to the low cost. Along with the numerous benefits of Email, one of the weaknesses of this service is that the number of received emails is continually being enhanced, thus the ways are needed to automatically filter these disturbing letters. Most of these filters utilize a combination of several techniques such as the Black or white List, using the keywords and so on in order to identify the spam more accurately In this paper, we introduce a new method to classify the spam. We are seeking to increase the accuracy of Email classification by combining the output of several decision trees and the concept of ontology.

연구 동기 및 목표

• 증가하는 양과 복잡성으로 인해 심화되고 있는 이메일 스팸 문제에 대응하기 위해.
• 기존의 키워드 기반 필터링 방법을 초월해 분류 정확도를 향상시키기 위해.
• 더 나은 특징 표현을 위해 기계 학습 모델에 단어 온톨로지에서 유도된 의미 지식을 통합하기 위해.
• 결정 트리와 온톨로지 추론을 융합한 하이브리드 접근 방식을 개발하여 강력한 스팸 탐지 성능을 확보하기 위해.

제안 방법

• 이메일 용어 간 의미 관계를 포괄하는 도메인 특화 단어 온톨로지를 구축하기 위해.
• 온톨로지를 활용해 특징 추출을 강화하여 원시 키워드를 의미적으로 유의미한 특성으로 변환하기 위해.
• 온톨로지 기반 특징 집합을 기반으로 다수의 결정 트리를 훈련시어 일반화 능력을 향상시키기 위해.
• 개별 결정 트리의 출력을 투표 메커니즘을 통해 통합하여 최종 분류 결과를 도출하기 위해.
• 온톨로지에서 유도된 의미 유사도 측정을 적용해 모호성을 해결하고 거짓 경고 수를 줄이기 위해.
• 교차 검증을 활용해 앙상블 모델을 최적화하여 정밀도와 재현율의 균형을 맞추기 위해.

실험 결과

연구 질문

• RQ1 기존의 키워드 기반 방법에 비해 단어 온톨로지를 이메일 분류에 통합함으로써 탐지 정확도 향상이 가능한가?
• RQ2 특징의 의미적 강화가 스팸 필터링에서 결정 트리 모델의 성능에 어떤 영향을 미치는가?
• RQ3 다수의 결정 트리를 조합함으로써 스팸 탐지에서 견고성과 과적합 방지 능력이 얼마나 향상되는가?
• RQ4 온톨로지 기반 특징 선택은 이메일 분류에서 거짓 경고 수 감소에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 기준 키워드 기반 접근 방식에 비해 분류 정확도 향상이 뚜렷하게 이루어졌다.
• 단어 온톨로지 통합으로 의미 이해 수준이 향상되어 거짓 경고 비율이 감소하였다.
• 결합된 결정 트리 모델은 단일 트리 모델을 능가했으며, 미리 보지 않은 데이터에 대한 일반화 능력이 뛰어났다.
• 의미 기반 특징 강화로 다양한 스팸 유형에 걸쳐 일관된 성능 향상이 관찰되었다.