#672 کد مقاله | زمینه: کامپیوتر | ||
عنوان انگلیسی: |
Detectingspammersonsocialnetworks |
تعداد صفحات انگلیسی: |
8 صفحه |
عنوان فارسی: |
تشخیص اسپم در شبکه های اجتماعی |
تعداد صفحات فارسی: |
22 صفحه |
نوع فایل: |
فایل word ترجمه و pdf انگلیسی |
قیمت فروش: |
110,000 ريال |
چکیده فارسی: |
چکیده شبکه اجتماعی تبدیل به یک روش محبوب برای برقراری ارتباط آنلاین میان کاربران شده است. کاربران زمان زیادی را صرف شبکه های اجتماعی مشهور (مثل فیسبوک، توییتر، سیناویبو و غیره) می کنند، از طریق آنها از اخبار مطلع می شوند، درباره رویدادها بحث می کنند و به ارسال پیام مشغول می شوند. متاسفانه، این محبوبیت باعث جلب توجه بسیاری از اسپم ها نیز شده که به طور مداوم رفتارهای مخربی از خود نشان می دهند (به عنوان مثال، پیام هایی حاوی URL های تجاری می فرستند و طیف وسیعی از کاربران را دنبال می کنند) که منجر به بروز یک سوء تفاهم بزرگ و ناخشنودی در فعالیت های اجتماعی کاربران شده است. در این مقاله، یک روش مبتنی بر یادگیری ماشین نظارت شده برای تشخیص موثر اسپم پیشنهاد شده است. مهمترین روال کاری درابتدا، جمع آوری یک مجموعه داده از سیناویبو شامل 31116 کاربر و بیش از 16 میلیون پیام است. سپس، یک مجموعه داده از کاربران دارای برچسب ایجاد می شود و به صورت دستی کاربران به دو دسته فرستندگان اسپم و عادی تقسیم می شوند. بعد از آن، مجموعه ای از ویژگی ها از محتوای پیام و رفتار اجتماعی کاربران استخراج می شوند که و در الگوریتم تشخیص اسپم مبتنی بر SVM (ماشین بردار پشتیبانی) اعمال می شوند. این آزمایش نشان می دهد که روش پیشنهادی، عملکرد فوق العاده ای دارد و نسبت مثبت صحیح فرستندگان اسپم و عادی به ترتیب به 99.1% و 99.9% می رسد. |
||
نسخه انگلیسی: |
|||
قیمت فروش: |
110,000 ريال |
||
پرداخت اینترنتی و دریافت
|