بهبود فیلتر کردن ایمیل های اسپم بوسیله روش ترکیبی متن کاوی

هرزنامه در اغلب موارد تبلیغاتی هستند. تبلیغات مشکوک بوسیله برنامه برای دادن خدمات غنی و سریعی به کاربران می باشند کهبه ظاهر مشروع هستند ولی هرزنامه می باشنددر این نوع روش ها، ویژگی هایی برای صفحات اسپم در نظر می گرفته می شود وبراساس روش های یادگیری ماشین مدلی یاد گرفته می شود که می تواند کل صفحات یک موتور جست و جو را به اسپم و غیر اسپمدسته بندی کند. تلاشهای بسیاری برای جلوگیری از انتشار هرزنامه ها با تکیه بر الگوریتم های داده کاوی صورت پذیرفت است. ولیفریب نامه ها با توجه به ماهیت جدید خود کمتر مورد توجه قرار گرفته اند. یکی از راه های جدید شناخت فریب نامه ها استفاده ازالگوریتم های داده کاوی بر اساس محتوای فریب نامه ها است. در این پژوهش یک روش پیشنهاد شد که بر روی ترکیب خروجیدسته بندها عمل می کند. روش پیشنهادی با استفاده از الگوریتم های دسته بندی مطرح شده به طور جداگانه پیاده سازی و مورد ارزیابی قرار گرفت. سپس الگوریتم های فوق به صورت منفرد نیز پیاده سازی و ارزیابی گردید. نتایج به دست آمده نشان دهنده برتری روش پیشنهادی با استفاده از الگوریتم یادگیری DMNB درستی با میزان 99.30% و خطای دسته بندی با میزان 0.70% درمقایسه با دسته بندی با استفاده از الگوریتم های منفرد و همچنین سیستم ترکیبی ناهمگن می باشد.

کلیدواژه ها:

داده کاوی ، متن کاوی ، دسته بندی خودکار ، انتخاب ویژگی ، الگوریتم یادگیری