بهبود تشخیص هرزنامه ها با استفاده از ترکیب مدل های خوشه بندی و دسته بندی

اینترنت به طور چشمگیری ارتباط با دیگران را تغییر داده است. ایمیل یکی از سرویس های که امروزه اینترنت برایکاربرانش فراهم میآورد. این سرویس به علت هزینه کم مورد توجه بسیاری از کاربران قرار گرفته است در کنار مزایای زیادپست الکترونیکی، یکی از ضعف های این سرویس این است که دائما بر تعداد ایمیل هایی که دریافت می گردد افزوده می شود.گسترش سریع این سرویس باعث شده عده ای درصد سوء استفاده از آن برآیند که نتیجه آن گسترش هرزنامه شده است. درواقع فیلتر هرزنامه، یک برنامه کامپیوتری است که توانایی دسته بندی نامه های الکترونیکی را دارا می باشد. بیشتر این فیلترهااز ترکیبی از چندین روش مانند فهرست های سیاه یا سفید، فیلتر بر پایه قانون و غیره برای شناسایی دقیق تر هرزنامه بهرهمی برند. در این مقاله از معیار شباهت کسینوسی، الگوریتم خوشه بندی k-means و همچنین مدل دسته بندی ترکیبی ID3 برای تشخیص هرزنامه ها استفاده می شود. شبیه سازی روش پیشنهادی روی مجموعه داده SPAM E-mail نشان می دهد که میزان دقت تشخیص هرزنامه ها 91.77 % است.

Keywords:

تشخیص هرزنامه , دسته بندی ترکیبی , خوشه بندی , شباهت کسینوسی