Detekce nevyžádané pošty pomocí machine learningu

Bc. Jana Hudečková

Bakalářská práce

Spam email detection using machine learning

Anotace:

Závěrečná práce se zabývá detekcí nevyžádané pošty pomocí technik strojového učení. Byla analyzována výkonnost tří klasifikačních algoritmů (Naive Bayes, Support Vector Machines a K-Nearest Neighbors) ve spojení se dvěma metodami numerické reprezentace textu – TF-IDF a Bag of Words. Práce zahrnuje srovnání těchto přístupů, přičemž bylo zjištěno, že metoda Bag of Words vykazuje výrazně lepší výsledky díky své schopnosti zachytit opakující se vzory charakteristické pro spamové zprávy. Model SVM dosáhl nejlepších výsledků, zejména v kombinaci s metodou Bag of Words, zatímco Naive Bayes a KNN nabídly rychlost a jednoduchost implementace, avšak nižší přesnost. Práce rovněž zahrnuje analýzu textu pomocí n-gramů a analýzy sentimentu. Závěry poskytují přehled o vhodných přístupech k detekci spamu a jejich potenciální aplikaci v praxi.

Abstract:

The thesis focuses on spam detection using machine learning techniques. The performance of three classification algorithms (Naive Bayes, Support Vector Machines, and K-Nearest Neighbors) was analysed in conjunction with two methods of text representation – TF-IDF and Bag of Words. The thesis compares these approaches and concludes that the Bag of Words method yields significantly better results due to its ability to capture repetitive patterns characteristic of spam messages. The SVM model achieved the best results, particularly when combined with the Bag of Words method, while Naive Bayes and KNN demonstrated advantages in speed and simplicity but lower accuracy. The thesis also includes text analysis using n-grams and sentiment analysis. The findings provide an overview of effective approaches to spam detection and their potential application in practice.

Klíčová slova

strojové učení, detekce spamu, klasifikace textu, Support Vector Machines, Naive Bayes, K-Nearest Neighbors, machine learning, spam detection, text classification

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 6. 12. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 1. 2025
• Vedoucí: Mgr. Petra Ráboňová, Ph.D.
• Oponent: Mgr. Bc. Martin Chvátal, Ph.D.

Masarykova univerzita

Ekonomicko-správní fakulta

Bakalářský studijní program / obor:
Analytika byznysových dat / Analytika byznysových dat