طراحی یک مدل موثر تشخیص اسپمرها در شبکه های اجتماعی با استفاده از ماشین یادگیری

برای کاربران اینترنت و شبکه های اجتماعی تبدیل به یک راه بسیار محبوب برای برقراری ارتباط و تعامل آنلاین شده اند. همواره کاربران زیادی از زمان خود را در شبکه های معروف اجتماعی (به عنوان مثال، فیس بوک، تویتر، گوگل پلاس، و غیره) برای خواندن اخبار، بحث در مورد وقایع و ارسال پیام صرف می کنند. متاسفانه، این محبوبیت، خود باعث جذب مقدار قابل توجهی از اسپمرها می شود (به عنوان مثال، پیام های ارسالی حاوی URLs ها و آدرس تجاری، دنبال کردن یا فالو کردن مقدار بزرگتر کاربران، و غیره)، که منجر به سوء تفاهم های بزرگ و یا ناراحتی و ناراضایتی در فعالیت های اجتماعی کاربران می شود. در این مقاله، یک راه حل نظارت بر یادگیری ماشین وجود دارد که برای تشخیص اسپمر کارا، ارایه شده است. ابتدا، یک مجموعه داده از گوگل پلاس جمع آوری می شود که شامل 30116 کاربرو بیش از 16 میلیون پیام است. پس از آن، مجموعه داده نشاندار از کاربران ساخته می شود. به طور دستی کاربران را به اسپمرها و غیر- اسپمرها طبقه بندی می کند. سپس، مجموعه ای از ویژگی هایی را از محتوای پیام ها و رفتار اجتماعی کاربران استخراج می کند، در SVM که ماشین آلات بردار را پشتیبانی می کند، بر اساس الگوریتم تشخیص اسپمر اعمال می کند. آزمایش نشان می دهد که راه حل پیشنهادی قادر به ارایه عملکرد عالی با میزان مثبت واقعی اسپمر و غیر اسپمر رسیده به 99.5% و 99.9% است.

کلیدواژه ها:

شبکه های اجتماعی ، اسپمر ، ماشین یادگیری