论文部分内容阅读
传统分布式大型邮件系统对海量邮件的过滤存在编程难、效率低、前期训练耗用资源大等缺点，为此，对传统贝叶斯过滤算法进行并行化改进，利用云计算MapReduce模型在海量数据处理方面的优势，设计一种基于Hadoop开源云架构的贝叶斯邮件过滤MapReduce模型，优化邮件的训练和过滤过程。实验结果表明，与传统分布式计算模型相比，该模型在召回率、查准率和精确率方面性能较好，同时可降低邮件过滤成本，提高系统执行效率。