شماره ركورد كنفرانس :
5530
عنوان مقاله :
تشخيص هرزنامه در شبكه هاي اجتماعي با استفاده از رويكرد شبكه عصبي عميق
عنوان به زبان ديگر :
Spam detection in social networks using deep neural network approach
پديدآورندگان :
ايران پناه سميرا samira.iranpanah823@sadjad.ac.ir دانشگاه صنعتي سجاد , سالخورده حقيقي مهدي haghighi@sadjad.ac.ir دانشگاه سجاد
كليدواژه :
تشخيص هرزنامه , طبقه بندي , شبكه هاي اجتماعي , انتخاب ويژگي , شبكه عصبي عميق , الگوريتم بهينه SHO.
عنوان كنفرانس :
بيستمين سمپوزيوم بين‌المللي هوش مصنوعي و پردازش سيگنال
چكيده فارسي :
هرزنامه يكي از چالش هاي مهم اينترنت و كاربران آنلاين است و باعث اتلاف وقت و همچنين باعث انتشار انواع بدافزار در اينترنت مي شود. هدف از اين مقاله بررسي روش تركيب شبكه عصبي عميق به منظور شناسايي هرچه بهتر و دقيق‌تر صفحات هرزنامه از غير هرزنامه مي باشد . در اين پژوهش براي تجزيه و تحليل از مجموعه داده مرتبط استفاده شده و نتايج آزمايشات نشان ميدهد متوسط خطاي روش پيشنهادي در تشخيص هرزنامه UCIهرزنامه ها در پايگاه داده برابر 0٫152 است و همچنين متوسط شاخص حساسيت و صحت روش پيشنهادي در تشخيص هرزنامه برابر 99٫12% و 99٫67% است. آزمايشات نشان ميدهد روش پيشنهادي داراي شاخص حساسيت و صحت بيشتر از روش هاي يادگيري و داده كاوي جهت تشخيص هرزنامه است.
