استفاده از یک الگوریتم منفرد و روش وزن دهی IDF برای جلوگیری و فیلتر کردن ایمیل های اسپم

هدف و انگیزه اسپم این است که اطلاعاتی به گیرنده منتقل نماید که این اطلاعات مانند، تبلیغات برای یک محصول (که بهاحتمال زیاد بیارزش، غیر قانونی و یا غیر موجود)، طعمه برای یک طرح تقلب، ترویج یک آرمان و یا تخرب کامپیوتری که معمولاطراحی شده است که اغلب برای نفوذ و یا ربودن کامپیوتر دریافت کننده است. به دلیل ارزان بودن ارسال اطلاعات از طریق ایمیلروشی برای تولید کنندگان اسپم و کسانی که اهداف خاصی دارند مورد استفاده قرار می گیرد. تنها بخش بسیار کوچکی از دریافتکنندگان را ممکن است مورد هدف قرار دهند شاید این عدد یک در ده هزار یا کمتر می تواند باشد ولی جلوگیری و فیلتر کردن اسپمها خود باری از ترافیک شبکه را می تواند بهبود بخشد. اگر چه سال های اخیر معرفی تعداد زیادی از الگوریتم های دسته بندی متنیمطرح شده است ولی متن کاوی نیازمند یک سری مراحل پیش پردازش، الگوریتم موثرکارآمد و یادگیرنده سریع می باشند. در اینمقاله با آزمایش های که بر روی مجموعه داده اسپم انجام شده یک روش با قابلیت اعتماد بالا و نرخ خطای پایین را ارایه نموده ایم.

کلیدواژه ها:

اسپم ، هرزنامه ، تشخیص هرزنامه ، یادگیری ماشین ، متن کاوی