CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شناسایی هرزنامه ها با استفاده از مدل n-gram

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۱۳۴ | نظرات: ۰
سال انتشار: ۱۳۹۰
نوع ارائه: شفاهی
کد COI مقاله: ITEC01_013
زبان مقاله: فارسی
حجم فایل: ۵۹۸.۷۵ کیلوبایت (فایل این مقاله در ۸ 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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شناسایی هرزنامه ها با استفاده از مدل n-gram

  فتانه دلاوری - دانشجوی کارشناسی ارشد دانشگاه شیراز
  سیدمحمد بیدکی - کارشناس ارشد مرکز آموزش عالی پاسارگاد شیراز

چکیده مقاله:

با توجه به گرایش افرادو دولت ها به کاربرد ارتباطات الکترونیکی سودجویان هرروز به دنبال راهی برای بهره برداری ا ز این محیط ارتباطی مجازیداریند یکی از موارد ناخواسته در ارتباطات الکترونیکی پیامهای ناخواسته و غیرمعتبر می باشد درمحیط تبادل نامه های الکترونیکی این پیام ها با نام هرزنامه شناخته می شوند از جمله مواردی که درعمل باعث مقبولیت یک سرویس دهنده پست الکترونیکی می گردد توانایی فیلترینگ خودکار این گونه نامه ها م یبا شد لذا الگوریتمهای فیلترینگ هرزنامه ها بطور مداوم درحال پیشرفت و تکامل هستند و درمقابل نیز فرستندگان هرزنامه روشهای جدیدی برای عبور از فیلترها ابداع می کنند یکی از روشهای مناسب برای فیلترینگ هرزنامه ها مدل n-gram می باشد که اساس آن برفرض وابسته بودن هرکلمه از نامه به n کلمه قبلی استوار است این روش از دقت و سرعت مناسبی برخودار می باشد. دراین مقاله کارایی و نرخ موفقیت این مدل درتشخیص و دسته بندی هرزنامه ها مورد مطالعه قرارگرفته است.

کلیدواژه‌ها:

فیلترینگ هرزنامه، دسته بندی، یادگیری ماشینی، مدل n-gram

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-ITEC01-ITEC01_013.html
کد COI مقاله: ITEC01_013

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:
دلاوری, فتانه و سیدمحمد بیدکی، ۱۳۹۰، شناسایی هرزنامه ها با استفاده از مدل n-gram، کنفرانس فناوری اطلاعات و جهاد اقتصادی، کازرون، مجتمع آموزش عالی کازرون، https://www.civilica.com/Paper-ITEC01-ITEC01_013.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: (دلاوری, فتانه و سیدمحمد بیدکی، ۱۳۹۰)
برای بار دوم به بعد: (دلاوری و بیدکی، 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 :

  • Carpinter, J. and R. Hunt, Tightening the net: A review ...
  • Christopher D. Manning, Hinrich Schitze, Foundations of Statistical Natural Language ...
  • CIltIk, A. and T. Gingor, Time-efficiet spam e-mail filtering using ...
  • emron1 database. Available from: http ://www. aueb , gr/users/i on/data/enron ...
  • Fumera, G., I. Pillai, and F. Roli, Spam Filtering Based ...
  • Guzella, T.S. and W.M. Caminhas, A review of machine learning ...
  • KANARIS, I., et al., WORDS VS CHARACTE N-GRAMS FOR ANTI-SPA ...
  • Kanaris, I., K. Kanaris, and E. Stamatatos. Spam Detection Using ...
  • Ke'selj, V., et al., DalTEC 2005 Spam Track: Spam Filtering ...
  • Liu, H. and C.-m. Zhang. Spam Filtering based _ Character ...
  • Meadow, C.T. et al., Text information retrieval systems, Emerald Group ...
  • Sanz, E.P., J.M.G. Hidalgo, and J.C.C. Perez, Email Spam Filtering. ...
  • Wei, C.-P., H.-C. Chen, and T.-H. Cheng, Effective spam filtering: ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۵۴۶۴
    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 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.