SpamHunting

Una gran cantidad de técnicas de aprendizaje automático se han aplicado a problemas donde se obtienen datos a lo largo de un periodo de tiempo considerablemente largo. Sin embargo, frente a muchas aplicaciones del mundo real, presenta la desventaja de la principal característica de distribución de los datos es probable que cambie con el tiempo, lo que podría invalidar los resultados obtenidos. En estas situaciones, un problema al que se enfrentan muchos alumnos ansiosos es su capacidad para adaptarse a la deriva concepto local.

La deriva del concepto en el spam (correo basura) es especialmente difícil, ya que los spammers cambian activamente la naturaleza de sus mensajes para eludir los filtros de spam. Los algoritmos que rastrean el concepto de deriva deben ser capaces de identificar un cambio en el concepto de destino (spam o correos electrónicos legítimos) sin conocimiento directo del cambio subyacente en la distribución. Este trabajo muestra cómo un modelo exitoso previo de filtrado de correo electrónico, basado en instancias, puede ser mejorado con el fin de un mejor seguimiento dle concepto de deriva en el dominio de correo no deseado. Las ventajas para abordar concepto de deriva en problemas dinámicos, como en el caso del dominio de filtrado anti-spam.