一． 貝葉斯過(guò)濾算法的基本步驟
1) 收集大量的垃圾郵件和非垃圾郵件，建立垃圾郵件集和非垃圾郵件集。
2) 提取郵件主題和郵件體中的獨(dú)立字串例如 ABC32，￥234等作為TOKEN串并統(tǒng)計(jì)提取出的TOKEN串出現(xiàn)的次數(shù)即字頻。按照上述的方法分別處理垃圾郵件集和非垃圾郵件集中的所有郵件。
3) 每一個(gè)郵件集對(duì)應(yīng)一個(gè)哈希表，hashtable_good對(duì)應(yīng)非垃圾郵件集而hashtable_bad對(duì)應(yīng)垃圾郵件集。表中存儲(chǔ)TOKEN串到字頻的映射關(guān)系。
4) 計(jì)算每個(gè)哈希表中TOKEN串出現(xiàn)的概率P=（某TOKEN串的字頻）/（對(duì)應(yīng)哈希表的長(zhǎng)度）
5) 綜合考慮hashtable_good和hashtable_bad，推斷出當(dāng)新來(lái)的郵件中出現(xiàn)某個(gè)TOKEN串時(shí)，該新郵件為垃圾郵件的概率。數(shù)學(xué)表達(dá)式為：
A事件----郵件為垃圾郵件;
t1,t2 …….tn代表TOKEN串
則P（A|ti）表示在郵件中出現(xiàn)TOKEN串ti時(shí)，該郵件為垃圾郵件的概率。
設(shè)
P1（ti）=（ti在hashtable_good中的值）
P2（ti）=（ti在hashtable_ bad中的值）
則 P（A|ti）= P1（ti）/[（P1（ti）+ P2（ti）]；
6) 建立新的哈希表 hashtable_probability存儲(chǔ)TOKEN串ti到P（A|ti）的映射
7) 至此，垃圾郵件集和非垃圾郵件集的學(xué)習(xí)過(guò)程結(jié)束。根據(jù)建立的哈希表 hashtable_probability可以估計(jì)一封新到的郵件為垃圾郵件的可能性。
當(dāng)新到一封郵件時(shí)，按照步驟2）生成TOKEN串。查詢hashtable_probability得到該TOKEN 串的鍵值。
假設(shè)由該郵件共得到N個(gè)TOKEN串，t1,t2…….tn, hashtable_probability中對(duì)應(yīng)的值為P1，P2，。。。。。。PN，
P(A|t1 ,t2, t3……tn)表示在郵件中同時(shí)出現(xiàn)多個(gè)TOKEN串t1,t2…….tn時(shí)，該郵件為垃圾郵件的概率。
由復(fù)合概率公式可得
P(A|t1 ,t2, t3……tn)=（P1*P2*。。。。PN）/[P1*P2*。。。。。PN+（1-P1）*（1-P2）*。。。（1-PN）]
當(dāng)P(A|t1 ,t2, t3……tn)超過(guò)預(yù)定閾值時(shí)，就可以判斷郵件為垃圾郵件。
二． 貝葉斯過(guò)濾算法舉例
例如：一封含有“法 輪 功”字樣的垃圾郵件 A
和 一封含有“法律”字樣的非垃圾郵件B
根據(jù)郵件A生成hashtable_ bad，該哈希表中的記錄為
法：1次
輪：1次
功：1次
計(jì)算得在本表中：
法出現(xiàn)的概率為0。3
輪出現(xiàn)的概率為0。3
功出現(xiàn)的概率為0。3
根據(jù)郵件B生成hashtable_good，該哈希表中的記錄為：
法：1
律：1
計(jì)算得在本表中：
法出現(xiàn)的概率為0。5
律出現(xiàn)的概率為0。5
綜合考慮兩個(gè)哈希表，共有四個(gè)TOKEN串： 法 輪 功 律
當(dāng)郵件中出現(xiàn)“法”時(shí)，該郵件為垃圾郵件的概率為：
P=0。3/（0。3+0。5）=0。375
出現(xiàn)“輪”時(shí)：
P=0。3/（0。3+0）=1
出現(xiàn)“功“時(shí)：
P=0。3/（0。3+0）=1
出現(xiàn)“律”時(shí)
P=0/（0+0。5）=0；
由此可得第三個(gè)哈希表：hashtable_probability 其數(shù)據(jù)為：
法：0。375
輪：1
功：1
律：0
當(dāng)新到一封含有“功律”的郵件時(shí)，我們可得到兩個(gè)TOKEN串，功 律
查詢哈希表hashtable_probability可得
P（垃圾郵件| 功）=1
P （垃圾郵件|律）=0
此時(shí)該郵件為垃圾郵件的可能性為：
P=（0*1）/[0*1+（1-0）*（1-1）]=0
由此可推出該郵件為非垃圾郵件