該項目的研究人員之一 Vikas Samarthrao Kadam 說：“垃圾郵件檢測是至關(guān)重要的，因為它可以確保賣家的公正，并保留買家對網(wǎng)店的信任。與其他方法相比，它提高了訓(xùn)練速度和分類效率。我們的模型可以隨著收到大量電子郵件的人的生活質(zhì)量的提高，使他們能夠順利地瀏覽他們的電子郵件，并且只為他們的預(yù)期目的使用他們的賬戶”。

該團隊開發(fā)了一個基于多目標特征選擇和自適應(yīng)膠囊網(wǎng)絡(luò)的模型，并在圖像和文本數(shù)據(jù)集上進行訓(xùn)練。據(jù)稱，這種使用深度學(xué)習(xí)技術(shù)的模型提供了簡單的實現(xiàn)方式，可以在短時間內(nèi)快速訓(xùn)練。Kadam 說，他們的初步評估顯示，新模型擁有比其他現(xiàn)有方法更高的準確性。該團隊指出，這可以幫助提高用戶的安全性，并幫助他們更好、更容易地撇開無關(guān)的電子郵件。

在接受 TechXplore 采訪的時候，Kadam 表示：“我們的模型也降低了訓(xùn)練速度，并導(dǎo)致了更高的分類效率。與其他模型相比，它提高了垃圾郵件檢測的收斂率，取得了更好的效果”。

另一方面，該小組表示，該模型仍然需要開發(fā)，以確保在速度和精度方面的最大效率。不過，一旦準備就緒，這種垃圾郵件過濾技術(shù)就可以大規(guī)模使用，包括在Gmail、雅虎郵箱和Outlook上使用。

Kadam 表示：

垃圾郵件檢測和過濾系統(tǒng)的安全性對于實現(xiàn)更好的準確性和可靠的結(jié)果至關(guān)重要，這可以在未來使用集合學(xué)習(xí)來改進。許多模型的誤報率仍然高于要求，但今后應(yīng)減少到盡可能小的數(shù)值。實時垃圾郵件分類是非常需要的，因為大多數(shù)提出的模型在實時數(shù)據(jù)中不能很好地工作......

幾乎所有的研究人員都根據(jù)他們的模型的準確性、精確性和召回率來展示他們的結(jié)果，但我們覺得機器學(xué)習(xí)模型的時間復(fù)雜性也應(yīng)該被視為一個評估指標。

一些研究人員在使用詞包進行特征提取的過程中顯示出有希望的結(jié)果，因為他們聲稱電子郵件的標題對于垃圾郵件的檢測和正文內(nèi)容一樣重要。因此，未來也可以考慮對標題行進行深度特征提取。