Analýza efektivity algoritmů pro klasifikaci nevyžádané a ověřené pošty

Abstract

Bakalářská práce je zaměřena na analýzu e-mailových filtrů vytvořených pomocí strojového učení. V teoretické části práce jsou popsány důležité pojmy související s e-mailovou komunikací a metodami filtrování. V praktické části je provedena úprava textových dat, převod slov na numerické hodnoty a následné vytvoření klasifikátorů. Cílem práce bylo nalézt ideální model s co nejvyšší úspěšností detekce neověřené pošty. Na základě výsledků bylo zjištěno, že vhodný model závisí na velikosti vstupní databáze. Tato bakalářská práce může být využita jako základ pro vývoj efektivnějšího filtru v českém jazyce.

The bachelor's thesis focuses on the analysis of email filters created using machine learning. The theoretical part describes key concepts related to email communication and filtering methods. The practical part includes preprocessing of textual data, conversion of words into numerical values and subsequent creation of classifiers. The goal of the work was to find an optimal model with the highest possible success rate for spam detection. The result showed that the suitable model depends on the size of the input dataset. This thesis can be used as a foundation for the development of a more efficient filter in the Czech language.