بهبود فیلتر کردن ایمیل های اسپم بوسیله روش ترکیبی متن کاوی
محل انتشار: اولین همایش ملی مهندسی کامپیوتر و فناوری اطلاعات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 515
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITECH01_016
تاریخ نمایه سازی: 17 آبان 1396
چکیده مقاله:
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:
نویسندگان
سیدمجتبی غرابی
دانشجو کارشناسی ارشد، گروه مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد خمین
حمید پایگذار
عضو هییت علمی دانشکده فنی مهندسی، گروه مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد خمین