Dimensionality Reduction Applied to Spam Filtering using Bayesian Classifiers Redu o de Dimensionalidade Aplicada na Classifica o de Spams usando Filtros Bayesianos

In recent years, e-mail spam has become an increasingly important problem with a big economic impact in society. Fortunately, there are different approaches able to automatically detect and remove most of these messages, and the best-known ones are based on Bayesian decision theory. However, the most of these probabilistic approaches have the same difficulty: the high dimensionality of the feature space. Many term selection methods have been proposed in the literature. In this paper, we revise the most popular methods used as term selection techniques with seven different versions of Naive Bayes spam filters. Nos últimos anos, e-mails spams têm-se tornado um importante problema com enorme impacto econ mico para a sociedade. Felizmente, existem métodos capazes de detectar automaticamente a maioria dessas mensagens, sendo que as técnicas mais empregadas s o baseadas na Teoria da Decis o Bayesiana. Por outro lado, grande parte das abordagens probabilísticas apresenta uma dificuldade: a manipula o de dados em um espa o com alta dimensionalidade. Para contornar esse problema, muitas técnicas de sele o de termos têm sido propostas na literatura. Neste artigo, revisamos os métodos mais populares empregados como técnicas para sele o de termos em conjunto com sete modelos diferentes de filtros anti-spam Naive Bayesianos.