زینب فلاح سخنگوئی - دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، دانشگاه مهرآستان، آستانه اشرفیه، ایران
عبدالرضا رضاپور - استادیار گروه مهندسی کامپیوتر، واحد آستانه اشرفیه، دانشگاه آزاد اسلامی، آستانه اشرفیه، ایران

سهولت دسترسی به اطلاعات و امکان برقراری ارتباطات آسان، مخاطبان زیادی را به شبکه های اجتماعی جذب کرده است. اما این اطلاعات همراه با امکان تماس با هزاران کاربر، علاقه هرزنامه نویسان را نیز جذب می کند. بر همین اساس تشخیص هرزنامه یکی از جذاب ترین مسائل موجود در این حوزه می باشد. در این مقاله به منظور شناسایی هرزنامه در شبکه های اجتماعی از یک روش نظارتی استفاده شده است. دقت روش های نظارتی وابسته به دو عامل انتخاب خصیصه های مطلوب و استفاده از طبقه بند مناسب است. به همین دلیل در این مقاله برای عامل اول از روشی مبتکرانه استفاده می گردد و با استفاده از تکنیک کاوش قوانین انجمنی و الگوریتم اپریوری 1 خصیصه های مطلوب از بین تنوعی از خصیصه ها استخراج می شوند. از طرفی برای عامل دوم نیز تعداد زیادی از طبقه بندهای محبوب مورد استفاده قرار گرفته است. روش پیشنهادی بر روی مجموعه داده SAC 13 مورد بررسی قرار گرفته است و نتایج بدست آمده نشان دهنده موثر بودن روش انتخاب خصیصه پیشنهادی بر روی دقت طبقه بند دارد. ضمن اینکه در مقایسه با کارهای قبلی نتایج بسیار امیدوار کننده است.

تشخیص هرزنامه؛ انتخاب خصیصه؛ یادگیری ماشین؛ کاوش قوانین انجمنی؛ شبکه اجتماعی