CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارزیابی و مقایسه الگوریتم های داده کاوی جهت دسته بندی پست های الکترونیکی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۲۹۱۷ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: ICEEE03_132
زبان مقاله: فارسی
حجم فایل: ۱۰۲۳.۶۱ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی و مقایسه الگوریتم های داده کاوی جهت دسته بندی پست های الکترونیکی

  سارا پروانه - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
مریم یارمحمدی -
  مریم حق شناس -

چکیده مقاله:

پست الکترونیک یکی از محبوب ترین و ارزان ترین راه ها برای برقراری ارتباط از طریق اینترنت است نقص در پروتکلهای پست الکترونیک و میزان زیاد تراکنش های مالی و تجاری الکترونیکی مستقیما منجر به افزایش تهدیدات مبتنی بر پست الکترونیک می شود اسپم که باعنوان پیغام های ناخواسته از آن یاد می شود یکی از اصلیت رین مسائلی است که در اینترنت کنونیموجود است و باعث ویرانی های مالی در شرکت ها می وشد در بین روشها جلوگیری از اسپم فیلتر کردن یکی از مهمترین تکنیک ها است دراین مقاله جهت دسته بندی پیغام های اسپم، از سه الگوریتم یادگیری OneR Naive Bayes و J48 استفاده شده است و درن رم افزار WEKA آزموده شده اند ابتدا یک تحلیل مقایسه ای بین الگوریتم ها ارائه گشته است تا حد ممکن سعی شده است تا الگوریتم ها بهینه شده و هرکدام با لاترین درجه صحت خود در مقایسه با دیگری قرار گیرد و در آخر الگوریتم ی که بهترین کارایی در پیش بینی اسپم دارد پیشنهاد می گردد.

کلیدواژه‌ها:

WEKAOneR،Naïve Bayes و J48,Precision, Recall

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICEEE03-ICEEE03_132.html
کد COI مقاله: ICEEE03_132

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
پروانه, سارا؛ مریم یارمحمدی و مریم حق شناس، ۱۳۹۰، ارزیابی و مقایسه الگوریتم های داده کاوی جهت دسته بندی پست های الکترونیکی، سومین کنفرانس مهندسی برق و الکترونیک ایران، گناباد، دانشگاه آزاد اسلامی واحد گناباد، https://www.civilica.com/Paper-ICEEE03-ICEEE03_132.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (پروانه, سارا؛ مریم یارمحمدی و مریم حق شناس، ۱۳۹۰)
برای بار دوم به بعد: (پروانه؛ یارمحمدی و حق شناس، ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Ian H. Witten، Eibe Frank، "Data Mining: Practical Machine Learning ...
  • R.Deepa Lakshmi، N.Radha، "Supervised Learning Approach for Spam Classification Analysis ...
  • Suj ala.D.Shetty, S.Vadivel, Sakshi Vaghella, ...
  • " Iranian Conference on Electrical and Electronics Engineering (ICEEE۲۰۱۱) دانشگاه ...
  • :WEKA Based Desktop Data Mining as WebService" World Academy of ...
  • Reutemann، A. Seewald، D. S cuse، "WEKA Manual for Version ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۹۷۱۰
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.