FairEmail 中文文档 下载 App

FairEmail Pro 自动分类器：贝叶斯本地垃圾邮件识别

自动分类器是什么

自动分类器（Automatic message classification）是 FairEmail Pro 功能之一——它是一个完全在本地运行的贝叶斯分类器，会根据你给的反馈逐步学习哪些邮件是垃圾、哪些是正常邮件，然后自动对新到达的邮件进行分类。

和服务端分类器的区别

维度FairEmail 本地分类器Gmail / Outlook 服务端分类器
数据来源你自己的邮件反馈你 + 所有用户的邮件数据
隐私完全不上传任何数据邮件内容上传到服务端（即使是为了分类）
个性化程度极高（完全针对你的邮件习惯）中等（需要覆盖所有用户的通用规则）
误判调整你手动标记几封就能修正通常需要服务商全局调整
冷启动初始准确度低，需要训练初始准确度高（大数据训练）
跨设备仅 FairEmail 设备生效所有设备

基本工作原理

FairEmail 的自动分类器采用朴素贝叶斯算法（Naive Bayes）——经典的垃圾邮件过滤器算法：

  1. 开始时分类器是空白的：不知道任何词的特征权重
  2. 你给反馈：把某些邮件标记为「垃圾」、某些标记为「正常」
  3. 分类器从你的反馈中学习：每封被标记的邮件被拆解成词汇特征，每个词汇计算它出现在垃圾 / 正常邮件中的概率
  4. 遇到新邮件时：分类器计算它是垃圾 / 正常的概率，取概率高的那个
  5. 持续迭代：随着你标记更多邮件，分类器准确度逐步提升

如何训练分类器

训练 FairEmail 自动分类器的方法很简单——给它反馈。

方式一：用 Pro 的「自动分类」动作

在过滤规则（Filter rules）的动作列表里，有一个「添加到自动分类器」选项。你可以设置规则：

这样不需要你手动一封一封标记，分类器会通过规则自动获取训练样本。

方式二：手动标记

FairEmail 界面中应该有手动标记邮件为垃圾 / 正常的入口。标记后：

方式三：利用已有数据初始化

如果你之前在 Gmail 中已经标记了很多垃圾邮件，可以先在 FairEmail 中同步完 Gmail 账户的「已删除邮件」文件夹（里面就是 Gmail 已判为垃圾的邮件），然后用过滤规则把这批邮件批量标记为分类器的垃圾样本。

查看分类器状态

FairEmail 设置中应该有一个区域显示自动分类器的训练状态：

和过滤规则配合使用

自动分类器最实用的场景是和过滤规则配合：

场景一：分类器识别出垃圾 → 规则自动删除

  1. 自动分类器把邮件分类为「垃圾」
  2. 一条过滤规则的条件设置为「分类器判断为垃圾」
  3. 这条规则的动作：移动到垃圾箱 + 标记为已读

场景二：分类器识别出特定类型 → 规则自动归档

  1. 你训练分类器识别「工作日报」这类邮件
  2. 分类器把一封新到达的日报邮件分类为「工作日报」
  3. 一条过滤规则的条件：分类器结果等于「工作日报」
  4. 动作：移动到「工作」文件夹

场景三：新邮件 → 先让分类器评估 → 再由规则决定动作

FairEmail 规则条件中应该有一项「分类器评分 > X」，可以让规则根据分类器的置信度来决策。

实用建议

1. 先建立一个好的训练基础

在分类器的冷启动阶段（只有少量训练样本时），准确度会很差——它可能把重要邮件判为垃圾，也可能放过真正的垃圾。建议：

2. 不要把分类器当唯一防线

把 FairEmail 自动分类器作为辅助防线，而不是唯一依赖：

3. 定期校正

每两周检查一次 FairEmail 的「已自动分类」邮件文件夹，看看有没有漏掉的垃圾（服务端分类器漏掉的 → 添加到 FairEmail 分类器的垃圾训练集）和误判（重要邮件被判为垃圾 → 添加到正常训练集）。

已知限制