Bayesiaanse filtering

Wat het betekent

Het essay A Plan for Spam van Paul Graham uit 2002 maakte de aanpak populair: in plaats van handgeschreven regels telt het filter hoe vaak elk woord of token voorkomt in bekende spam en in bekende goede mail (ham), en combineert het die kansen om een nieuw bericht te beoordelen. Omdat het leert van de eigen mail van elke gebruiker of organisatie, past het zich aan aan wat dat publiek ontvangt.

Apache SpamAssassin levert een Bayes-plug-in mee die wordt beschreven als een probabilistische classifier in Bayesiaanse stijl, gebaseerd op het algoritme van Graham. Die wordt getraind met sa-learn en wordt standaard pas actief als er 200 spam- en 200 hamberichten zijn geleerd, om nauwkeurig te blijven.

Voor verzenders betekent dit dat inhoudspatronen die ontvangers herhaaldelijk hebben gemeld, kunnen meetellen tegen latere berichten met dezelfde patronen, zelfs van een andere verzender.