یک معماری موازی برای خوشه بندی مقیاس وسیع نامه های الکترونیک ناخواسته

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,172

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BPJ01_027

تاریخ نمایه سازی: 29 دی 1392

چکیده مقاله:

دریافت روزانه چندین نامه الکترونیکی ناخواسته منجربه اتلاف وقت کاربران به منظورجداسازی پیامهای اصلی ازپیامهای ناخواسته میشود به علاوه برخی ازاین پیامدها دارای کدهای مخرب نیز میب اشند که میتوانند منجر به برهم زدن حریم خصوصی افرادیاسوء استفاده ازحساب کاربری آنها میشود بااستفاده ازخوشه بندی نامه های الکترونیکی ناخواسته و استخراج دانش ازخوشه های حاصل شده میتوان ویژگیهای مشترک این گونه پیام ها را تعیین نمود برمبنای این ویژگیها میتوان پیامهای دریافت شده را فیلترنمودبواسطه تنوع و تعدادبسیارزیاد نامه های الکترونیکی ناخواسته بسیار ی ازروشهای خوشه بندی غیرکارامد و زمانگیر می باشند دراین مقاله یک معماری جدیدبه منظور خوشه بندی درسطح وسیع نامه های الکترونیکی ناخواسته پیشنهاد شدها ست درمعماری پیشنهادی به منظورغلبه برمشکل حجم زیادپیامها ازتکنیک موازی سازی فرایند خوشه بندی به کمک مدل برنامه نویسی نگاشت کاهش استفاده شده است به همین منظورشبه کدمبتنی برمدل برنامه نویسی نگاشت کاهش برای تمام قسمت های معماری ارایه گردیده است مزیت دیگرروش پیشنهادی افزایش کارایی درمواجهه با ماتریسهای خلوت می باشد

کلیدواژه ها:

نامه ی الکترونیکی ناخواسته ، خوشه بندی ژنتیک ، مدل برنامه نویسی نگاشت - کاهش ، اجرای موازی

نویسندگان

مسعود ساغریچیان

دانشجوی دکتری

زهرا جلالیان

مربی دانشگاه خوارزمی تهران

مصطفی حق جوسانیجی

استادیاردانشگاه علم و صنعت ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alguliev, R.M., R.M. Aliguliyev, and S.A. Nazirova, Classification of Textual ...
  • Fundamentals of Electronics, C ommunic ations and Computer Sciences, 201 ...
  • Jungsuk, S., et al. An Empirical Study of Spam _ ...
  • Neural Information Processing. Theory and Algorithms, K. Wong, B Mendis, ...
  • Christina, V, S. Karpagavalli, and G. Suganya, Email Spam Filtering ...
  • University International Conference on. 201 1. Sasaki, M. and H. ...
  • Xiangyang, L. and Y. Nong, A supervised clustering and classification ...
  • Alspector, J , .A. Kolcz, and A. Chowdhury, Group based ...
  • Dean, J. and S. Ghemawat, MapReduce: simplified data processing on ...
  • Rajaraman, A. and JD. Ullman, Mining of massive datasets. 2011: ...
  • Carlos Castillo, et al. Know your Neighbors: Web Spam Detection ...
  • Godwin Caruana, et al., SpamCloud: A MapReduce based Anti-Spamt Architecture. ...
  • نمایش کامل مراجع