مروری بربرخی الگوریتم های یادگیری ماشین برای فیلترینگ اسپم

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,799

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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TIAU01_209

تاریخ نمایه سازی: 14 شهریور 1393

چکیده مقاله:

امروزه اسپمها به صورت فاحشی در حال افزایش می باشندوباعث برخی مشکلات برای کاربران می شوند. همان گونه که می دانیم اسپم نه تنها باعث آسیب رساندن به منافع کاربران مصرف زمان و پهنای باند میشود بلکه بهعنوان تهدیدی برا یبهره وری قابلیت اطمینان و امنیت شبکه شده است دراین مقاله قصد داریم برخی ازروشهای یادگیری ماشین مانند Neural Network و Naive Bayesian ,SVMکه برای فیلترینگ اسپم استفاده میشود را بررسی کنیم و درنهایت براساس معیارهای اندازه گیری accuracy و Recall, Precision این 3الگوریتم را ازنظر عملکرد بررسی کنیم

کلیدواژه ها:

نام ههای ایمیل اسپم وham/تشخیص اسپم ، فیلترینگ اسپم ، الگوریتم های یادگیری ماشین

نویسندگان

ن طالبی بیرامی

دانشگاه آزاد اسلامی واحد شبستر گروه کامپیوتر شبستر ایران

ن وصفی سیسی

دانشگاه آزاد اسلامی واحد شبستر گروه کامپیوتر شبستر ایران

م فیضی درخشی

دانشگاه تبریز گروه کامپیوتر تبریز 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 :
  • Luo, Q. , Liu, B. , Yan, J. , He, ...
  • Kumar, P.M. _ Kumaresan, P , YokeshBabu, S. (2011): Accuracy ...
  • Yuguo, L. , Zhenfang, Zh. , Jing, Zh. (2011): A ...
  • Xiao-li, Ch. , Pei-yu, L. _ Zhen-fang, Zh. , Ye, ...
  • Awad, W.A. , ELseuofi, S.M. (2011): Machine Learning methods for ...
  • Temitayo, F. _ Stephen, Q. , Abimbola, A. (2012): Hybrid ...
  • Jiansheng, W. , Xingwen, Zh. (2010): Improvement of Chinese Spam ...
  • Upasana. , Chakravarty, S. (2010): A Survey of Text Classification ...
  • نمایش کامل مراجع