Membina Pengelas E-mel Spam Menggunakan AI: Aplikasi Asas

Pengelas E-mel Spam dengan Node.js

Projek ini menggunakan Node.js dan pustaka Natural untuk mencipta aplikasi berasaskan AI yang mengklasifikasikan e-mel sebagai spam atau bukan spam. Aplikasi ini menggunakan pengelas Naive Bayes untuk pengesanan spam, yang merupakan algoritma biasa untuk tugas pengelasan teks.

Prasyarat

Sebelum anda bermula, pastikan anda telah memasang yang berikut:

• Node.js: Muat turun Node.js
• npm (Pengurus Pakej Node): npm disertakan dengan pemasangan Node.js.

Langkah-langkah untuk Menyediakan Projek

Langkah 1: Sediakan Projek Anda

1. Buat Folder Projek: Buka terminal atau command prompt anda dan buat folder baharu untuk projek anda.

   mkdir spam-email-classifier
   cd spam-email-classifier

1. Memulakan Projek Node.js: Di dalam folder, jalankan arahan berikut untuk mencipta fail package.json.

   npm init -y

Langkah 2: Pasang Ketergantungan

Jalankan arahan berikut untuk memasang kebergantungan yang diperlukan:

npm install natural

• semulajadi: Sebuah perpustakaan yang menyediakan pelbagai alatan NLP (Natural Language Processing) termasuk pengelasan menggunakan Naive Bayes.

Langkah 3: Buat Pengelas Spam

Buat fail JavaScript baharu (cth., spamClassifier.js) dan tambah kod berikut:

const natural = require('natural');

// Create a new Naive Bayes classifier
const classifier = new natural.BayesClassifier();

// Sample spam and non-spam data
const spamData = [
  { text: "Congratulations, you've won a 00 gift card!", label: 'spam' },
  { text: "You are eligible for a free trial, click here to sign up.", label: 'spam' },
  { text: "Important meeting tomorrow at 10 AM", label: 'not_spam' },
  { text: "Let's grab lunch this weekend!", label: 'not_spam' }
];

// Add documents to the classifier (training data)
spamData.forEach(item => {
  classifier.addDocument(item.text, item.label);
});

// Train the classifier
classifier.train();

// Function to classify an email
function classifyEmail(emailContent) {
  const result = classifier.classify(emailContent);
  return result === 'spam' ? "This is a spam email" : "This is not a spam email";
}

// Example of using the classifier to detect spam
const testEmail = "Congratulations! You have won a 00 gift card.";
console.log(classifyEmail(testEmail)); // Output: "This is a spam email"

// Save the trained model to a file (optional)
classifier.save('spamClassifier.json', function(err, classifier) {
  if (err) {
    console.log('Error saving classifier:', err);
  } else {
    console.log('Classifier saved successfully!');
  }
});

Langkah 4: Jalankan Pengelas

Untuk menjalankan pengelas, buka terminal dan navigasi ke folder projek. Kemudian, jalankan arahan berikut:

node spamClassifier.js

Anda sepatutnya melihat output yang serupa dengan ini:

This is a spam email
Classifier saved successfully!

Langkah 5: Muatkan Pengelas Tersimpan (Pilihan)

Anda boleh memuatkan model pengelas kemudian untuk mengklasifikasikan e-mel baharu. Begini cara memuatkan model dan mengklasifikasikan e-mel baharu:

const natural = require('natural');

// Load the saved classifier
natural.BayesClassifier.load('spamClassifier.json', null, function(err, classifier) {
  if (err) {
    console.log('Error loading classifier:', err);
  } else {
    // Classify a new email
    const testEmail = "You have won a free iPhone!";
    console.log(classifier.classify(testEmail)); // Output: 'spam' or 'not_spam'
  }
});

Langkah 6: Perbaik Model (Pilihan)

Untuk meningkatkan ketepatan pengelas spam, anda boleh:

• Tambah lebih banyak data latihan: Sertakan lebih banyak sampel e-mel spam dan bukan spam.
• Percubaan dengan algoritma yang berbeza: Cuba algoritma atau model pengelasan lain jika Naive Bayes tidak mencukupi untuk keperluan anda.
• Gunakan teknik lanjutan: Laksanakan pembelajaran mendalam atau rangkaian saraf untuk tugas pengelasan yang lebih kompleks.

Langkah 7: (Pilihan) Sepadukan dengan Sistem E-mel

Jika anda ingin menghantar atau menerima e-mel daripada apl, anda boleh menggunakan pustaka Nodemailer untuk menghantar e-mel.

1. Pasang Nodemailer:

   mkdir spam-email-classifier
   cd spam-email-classifier

1. Hantar E-mel (Contoh):

   npm init -y

---

Kesimpulan

Panduan ini membimbing anda melalui penyediaan apl AI menggunakan Node.js dan Naive Bayes untuk mengklasifikasikan e-mel sebagai spam atau bukan spam. Anda boleh mengembangkan apl ini dengan:

• Menambah lebih banyak data latihan untuk ketepatan yang lebih baik.
• Menggunakan teknik pembelajaran mesin yang lebih maju.
• Mengintegrasikan pengelas ke dalam aplikasi web atau sistem e-mel.

Atas ialah kandungan terperinci Membina Pengelas E-mel Spam Menggunakan AI: Aplikasi Asas. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!