یک روش یادگیری تجمعی جدید در اسپم فیلترینگ متنی

اسپم های متنی، پیام هایی ناخواسته هستند که امروزه به صورت ایمیل یا پیام کوتاه دریافت می شوند. با توجه به افزایش حجم اسپم های تولیدی و با توجه به میزان ایمیل های متفاوتی نظیر شغلی، شخصی و سایر موارد که به طور روزانه دریافت می کنیم، بسیار مهم است که بتوانیم ایمیل های اسپم را شناسایی نماییم. از این رو هر پلتفرم ارسال و دریافت پیامی باید مجهز به یک سیستم تشخیص اسپم قوی باشد تا بتواند اسپم ها را در بدو ورود تشخیص داده و فیلتر کند. امروزه روش های متعددی برای تشخیص اسپم ارائه شده و اغلب در تشخیص اسپم ها موفق عمل می کنند. اما چالشی که در این حوزه هست، وجود (False Positive( FPدر تشخیصها است. یعنی پیام های مشروع که به اشتباه به عنوان اسپم شناخته شده و فیلتر میشوند. در این مقاله یک روش جدید یادگیری تجمعی به منظور اسپم فیلترینگ ارائه می شود. در این روش برخلاف دیگر روش های یادگیری تجمعی که زیر مجموعه ها را بدون توجه به مکان نمونه ها انتخاب می کنند، هر زیر مجموعه از مکان مشخصی انتخاب می شود و برای تعیین برچسب نهایی متن، بین یادگیرنده هایی که توسط زیرمجموعه ها آموزش داده شده اند، رای گیری اکثریت برگزار میشود. نتایج نشان میدهند روش پیشنهادی به طور قابل ملاحظه ای دقت اسپم فیلترینگ را افزایش داده و FP را کاهش می دهد.

Keywords:

اسپم فیلترینگ , یادگیری ماشین , یادگیری تجمعی , ایمیل , پیام کوتاه