سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

سیستم هوشمند فیلتر کردن هرزنامه ها با استفاده از ترکیب الگوریتم هایSMO و SVM

Publish Year: 1393
Type: Conference paper
Language: Persian
View: 773

This Paper With 9 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

IAUFASA02_027

Index date: 8 March 2015

سیستم هوشمند فیلتر کردن هرزنامه ها با استفاده از ترکیب الگوریتم هایSMO و SVM abstract

افزایش کاربران ایمیل منجر به افزایش چشمگیرهرزنامه هادرطی سالهای اخیر شده است تولید کنندگان هرزنامه همواره تلاش می کنند که راهکارهای جدیدتری به منظور گریز ازفیلترهای موجود بیابند بنابراین ضرورت دارد که فیلترهای جدیدی متناسب با این هرزنامه ها توسعه یابد عموما مهمترین ابزار به منظور فیلتر کردن هرزنامه ها براساس طبقه بندی متون کار می کنند مهمترین روشهای طبقه بندی ازتکنیکهای یادگیری ماشین استفاده می کنند تاکنون روش های زیادی به منظور مقابله باهرزنامه پیشنهاد شده است اما باتوجه به بکارگیری مستمر تکنیکهای جدید توسط تولید کنندگان هرزنامه ها نیاز بیش ازپیش به استفاده ازتکنیکهای جدید و هوشمند مقابله با این هرزنامه ها احساس میشود درحال حاضر استفاده ازالگوریتم های یادگیری ماشین یکی ازموثرترین ومحبوب ترین روشهادرفیلترکردن خودکارهرزنامه ها می باشددراین مقاله مدل جدیدی برای فیلترکردن خودکار هرزنامه ها براساس روشهای ترکیبی یادگیری ماشین ازجمله الگوریتم Ensemble ارایه شدها ست برای پیاده سازی ازنرم افزار RapidMinerاستفاده شدها ست این مدل شامل دوفاز پیش پردازش مجموعه داده و فاز دسته بندی ایمیل ها می باشد فاز پیش پردازششامل مراحل اماده ساز یمجموعه داده شاخص گذاری و وزندهی شاخصها می باشد مرحله اماده سازی شامل بخشهای یک شکل سازی متن تقسیم متن به واحدهای با معنی مثل کلمه حذف کلمات متوقف کننده و علائم نگارشی می باشد مادرمدل پیشنهادی برای شاخص گذاری درفاز پیش پردازش ازروش N-gramوبرای وزن دهی به شاخصها ازفیلتر TF.IDF استفاده کرده ایم

سیستم هوشمند فیلتر کردن هرزنامه ها با استفاده از ترکیب الگوریتم هایSMO و SVM Keywords:

هرزنامه , فیلترکردن , دسته بندی ایمیل , الگوریتم های ترکیبی یادگیری ماشین

سیستم هوشمند فیلتر کردن هرزنامه ها با استفاده از ترکیب الگوریتم هایSMO و SVM authors

فاطمه حیدری

کارشناسی ارشدنرم افزارجهاد دانشگاهی خوزستان اهواز ایران

علیرضا عصاره

دانشیارگروه کامپیوتر دانشگاه شهیدچمران اهواز ایران

بیتا شادگار

استادیارگروه کامپیوتر دانشگاه شهیدچمران اهواز ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
م. صنیعی، س. محمودی و م. طاهرپور، داده کاوی کاربردی: ...
S. Mohammed, O. Mohammed, ]. Fiaidhi, S. Fong and T. ...
V. Christina, S. Karpagavalli and G. Suganya, Email Spam Filtering ...
E. P. Jiang, Content-based Spam Email Classification using Mach ine-Learning ...
W. A. Awad and S. M. Elseuofi, Machine Learning Methods ...
Alpaydn, E., Introduction _ Machine Learning, The MIT Press Cambridge, ...
]. N. Shriva stavaand M. H. Bindu, E-mail Spam Filtering ...
_ Clark, _ Koprinska and]. Poon, A Neural Network Based ...
N. Vapnik, Support Vector ب [8]H. Drucker, D. Wu and ...
D. Vira, P. Raja and S. Gada, An Approach to ...
F. Temitayo, O. Stephen and A. Abimbola, Hybrid GA- SVM ...
K. Singhai, Artificial ک [11] H. S. Hota, A. K. ...
K. C. Ying, S. W. Lin, Z. J. Lee and ...
I. Kanaris, K. Kanaris, I. Houvardasand E. Stamatatos, Words Versus ...
A. Beiranvand, A. Osarehand B. SHadgar, Spam Filtering By Using ...
S. M. Pourhashemi, A. Osarehand B. SHadgar, Presenting _ Hybrid ...
M. Junker and A. Abecker, Exploiting Thesaurus Knowledge in Rule ...
S. Eyheramendy, A. Genkin, W.-H.]u, D. D. Lewis and D. ...
W. B. Cavnar, Using an n-gram-based Document Representation with _ ...
W. SHang, H. Huang, H. Zhu, Y. Lin, Y. Quand ...
H. Bhavsar and A. Ganatra, A Comparative Study of Training ...
_ C. Platt, Fast training of support vector machines using ...
F. Sebastiani, Machine Learning in Automated Text Categorization, ACM Computing ...
نمایش کامل مراجع

مقاله فارسی "سیستم هوشمند فیلتر کردن هرزنامه ها با استفاده از ترکیب الگوریتم هایSMO و SVM" توسط فاطمه حیدری، کارشناسی ارشدنرم افزارجهاد دانشگاهی خوزستان اهواز ایران ؛ علیرضا عصاره، دانشیارگروه کامپیوتر دانشگاه شهیدچمران اهواز ایران؛ بیتا شادگار، استادیارگروه کامپیوتر دانشگاه شهیدچمران اهواز ایران نوشته شده و در سال 1393 پس از تایید کمیته علمی دومین همایش ملی فناوری های نوین در مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله هرزنامه ، فیلترکردن ، دسته بندی ایمیل ، الگوریتم های ترکیبی یادگیری ماشین هستند. این مقاله در تاریخ 17 اسفند 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 773 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که افزایش کاربران ایمیل منجر به افزایش چشمگیرهرزنامه هادرطی سالهای اخیر شده است تولید کنندگان هرزنامه همواره تلاش می کنند که راهکارهای جدیدتری به منظور گریز ازفیلترهای موجود بیابند بنابراین ضرورت دارد که فیلترهای جدیدی متناسب با این هرزنامه ها توسعه یابد عموما مهمترین ابزار به منظور فیلتر کردن هرزنامه ها براساس طبقه بندی متون کار می کنند مهمترین روشهای طبقه ... . این مقاله در دسته بندی موضوعی یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله سیستم هوشمند فیلتر کردن هرزنامه ها با استفاده از ترکیب الگوریتم هایSMO و SVM با 9 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.