طبقه بندی مدلهای زبانی اسپم با روشهای یادگیری ماشین (موردکاوی: مجموعه داده نظرات کاربران دیجی کالا)

در دنیا جدید بیشتر خرید و فروش های از طریق سایت ها و به صورت اینترنتی انجام می شود.در این میان برخی سایت های مانند فروشگاه اینترنتی آمازون ، فروشگاه اینترنتی ای بی، فروشگاه اینترنتی وال مارت، فروشگاه اینترنتی دیجی کالا و هزاران فروشگاه اینترنتی دیگر توانستند اعتماد کاربران را به خود جلب کنند. به طوری که بعد خرید یک محصول کاربران نظرات خود را درباره آن محصول ثبت می کنند ، آنالیز این نظرات ارزشمند توسط صاحبان کسب وکار، منابع با ارزشی از محصولات و ویژگی های آن را در اختیار مدیران و صاحبان تجارت قرار میدهد که از این اطلاعات در جهت بهبود رشد و توسعه کسب و کار، مورد استفاده قرار می گیرد. اما مشکل اصلی که وجود دارد این است که برخی نظرات مغرضانه توسط افراد و شرکتهای سودجو برای محصولات یا یک فروشگاه اینترنتی ارسال می گردد که به آنها نظرات اسپم یا نظرات تقلبی گفته می شود. بنابراین میتوان بیان کرد که شناسایی نظرات تقلبی یا نظرات اسپم یک نیاز فوری و ضروری برای افراد و صاحبان تجارت و کسب کار در جامعه امروزی است.. برای حل مشکل شناسایی نظرات تقلبی یا تشخیص نظرات تقلبی، محققان و شرکت های بزرگ از تکنیکهای یادگیری ماشین و یادگیری عمیق بهره گرفتند و با استفاده از این دو تکنیک تا حدود زیادی توانستند که در این زمینه موفق تر عمل کنند. در این مقاله نیز تمرکز روش پیشنهادی مبتنی بر ترکیب روش های یادگیری ماشین و یادگیری عمیق برای افزایش دقت در زمینه تشخیص نظرات تقلبی است .

Keywords:

متن کاوی , زبانی اسپم , مارکتینگ , یادگیری ماشین