スパムの月別集計

下記テーブルはオリジナルの SpamBayes を導入してからの集計です。 procmail のログから抽出しました。 「総数」は受信したメールの総数です。 「未判定数」は、スパムだけで無く、必要なメールも含んだ数です。

月	総数 (recieved)	未判定数 (unsure)	比率 (unsure ratio)	スパム (spam)		非スパム (ham)
2	581	59 (15)	0.102 (0.026)	261	( 14)	261	( 190)
3	6,152	208 (61)	0.034 (0.010)	2,317	(126)	3,627	(2,473)
4	5,750	72 (39)	0.013 (0.007)	2,266	(162)	3,412	(2,328)
5	6,065	48 (18)	0.008 (0.003)	2,809	(155)	3,208	(2,191)
6	5,710	87 (35)	0.015 (0.006)	2,774	(178)	2,849	(2,076)
7	5,409	113 (91)	0.021 (0.017)	2,309	(256)	2,987	(2,194)
8	4,914	54 (37)	0.011 (0.008)	1,669	(137)	3,191	(2,218)
9	438	5 ( 3)	0.011 (0.007)	139	( 10)	294	( 175)
total	35,019	646 (299)	0.018 (0.009)	14,544	(1,038)	19,829	(13,845)

括弧の中の数字は、日本語メール (subject に iso-2022-jp, shift-jis, utf-8 が含まれていたもの) の値です。 比率の場合は、月別総数に対する日本語メールの未判定率です。

データを保存してないので、正確には判りませんが、 記憶によれば、誤ってスパムと判定されたメールは無かったと思います。 逆に ham の中に見逃されたスパムが発見されることはありました。 まあ実害は少ないのですけど。 最終的に、 unsure (判定できないもの) は 1 〜 2% くらいまで減少したようです。 半年くらいの間に順調に減ってるように見えます。 (それにしてもスパムの数が多いなー)

日本語メールについては、オリジナルのままでも、かなり良好な判定をするようです。 ただし、初期の頃を除いて、学習効果があるようには見えません。 七月くらいから、日本語のやけに上手なメールが増えました。 ベイズ君は少しついていけなかったようです。 私もついていけません。 そんなわけで、昨日から 日本語対応 SpamBayes に切替えて運用してます。 果して、日本語トークン分析の効果は表れるのでしょうか? 。。。つづく

【注意】TrackBack 送信なさる場合、 あなたの記事中に参照リンク (当ブログの URL 記述) が必要です。 トラックバックスパム防止のため、御了承ください。

お名前 (必須):

メールアドレス:

ご自分のサイトの URL をどうぞ:

題名:

内容:

Remember your info. on cookie?
一回プレビューして投稿内容の確認をしてください。その後に投稿可能になります。