بررسی شیوه های کشف نظرات اسپم و ارائه دیدگاهی یکپارچه

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 585

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCAEC01_002

تاریخ نمایه سازی: 19 اردیبهشت 1395

Abstract:

در سالهای اخیر، بازخورد کاربران مهمترین منبع برای آراء مشتریان شده است. این بازخوردها به صورت گسترده توسط سازمان ها و به صورت انفرادی در جهت تصمیم گیری در تجارت الکترونیکی استفاده شده است. در عین سودمندی این بازخوردها و نظرات مشتری ها، چالش هایی نیز وجود دارد. از جمله ی این چالش ها نظرات اسپمی است که در بین این نظرات وجود دارد و مانع تصمیم گیری صحیح مشتری ها می شود. در این مقاله سعی شده است تا شیوه های کشف نظرات اسپم را مورد بررسی قرار داده و ویژگی های آنها را استخراج کرده و براساس آن، طبقه بندی را برای کشف نظرات اسپم ارایه می دهیم. با تحلیل کارهای پیشین در زمینه کشف نظرات اسپم و استخراج ویژگی های استفاده شده می توان یک دید یکپارچه را به محققین برای کارهای آینده داد.

Keywords:

ارسال کننده نظرات اسپم , گروه های ارسال کننده نظرات اسپم , نظرات اسپم

Authors

محبوبه محمدی

کارشناسی ارشد- مهندسی فناوری اطلاعات، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

فرشته قاضی زاده احسایی

استادیار- گروه فناووری اطلاعات، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

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 :
  • کنفرانس ملی دستاوردهای نوین در برق و کامپیوتر هشتم و ...
  • کنفرانس ملی دستاوردهای نوین در برق و کامپیوتر هشتم و ...
  • Hsiao, M.-H., Shopping mode choice: .shopping-ع Physical store shopping Versus ...
  • Svantesson, D. and R. Clarke, A best practice model for ...
  • J. Liu, Y.C., C. Lin, Y. Huang, M. Zhou, Low-quality ...
  • Jindal, N., & Liu, B, Opinion spam and analysis. In ...
  • Algur, S., et al., Conceptual level similarity _ based review ...
  • VIKOR Method. Advances in information Sciences and Service S ciences(AISS) ...
  • Mudambi, S.M. and D. Schuff, HAT MAKES A HELPFUL ONLINE ...
  • Applications, 2015. 42(3): p. 1065-1073. Li, H., Liu, B., Mukherjee, ...
  • نمایش کامل مراجع