بررسي راهكارهاي فيلترينگ هوشمند با هوش مصنوعي

Filtering, web page classification, photo classification, artificial intelligence, machine learning, deep learning

دنياي اينترنت، امروزه شامل حجم بسيار زيادي داده است كه به صورت تصاعدي در حال رشد مي­باشد. امروزه اينترنت در تمام وجوه زندگي از امور بانكي گرفته تا خريد و امور شخصي جاي خود را باز كرده است. با افزايش اسناد ديجيتالي در شبكه جهاني وب و افزايش تعداد صفحات وب و وبلاگها كه منابع متداول براي اطلاع رساني اخبار مربوط به رويدادهاي جاري به كاربران هستند ، تجميع و دسته بندي اطلاعات اين منابع كار دشواري به نظر مي رسد. از طرفي ديگر ‌اين افزايش انفجاري حجم اطلاعات موجود در بستر اينترنت، دسته بندي صفحات وب را به امري ضروري تبديل كرده است. دسته بندي صفحات وب در كاربردهايي همچون بازيابي، تجميع، فهرست گذاري، سيستم هاي كنترل والدين، فيلتر كردن محتواي مضر يا نامرتبط، خزشگر و مدل هاي استخراج كننده بر مبناي موضوع و حذف تبليغات كاربرد دارد. با پيشرفت هاي صورت گرفته در كارايي و سرعت كامپيوترها، استفاده از روش هايي بر مبناي يادگيري استفاده فراواني يافته اند. روش هاي مبتني بر هوش مصنوعي و يادگيري ماشين در بسياري از حوزه ها وارد شده اند و با تخصصي تر شدن بحث دسته بندي محتواي تحت وب، اين روش ها در اين حوزه نيز مورد استفاده فراواني قرار گرفته اند. در حالي كه استفاده از روش هاي مبتني بر هوش مصنوعي و يادگيري ماشين در حوزه دسته بندي محتواي تحت وب رواج بيشتري يافته است، ولي همچنان مواجهه با داده هاي متني و عكس تحت وب به علت پيچيدگي و تنوع زياد با چالش هايي رو به رو است و رسيدن به هدف دسته بندي خودكار محتواي تحت وب مسير درازي در پيش دارد. در اين مقاله مروري بر روش هاي مورد استفاده در اين حوزه و پيشرفت آن ها خواهيم داشت؛ علاوه بر آن سعي مي كنيم عوامل موثر در دسته بندي دقيق تر محتواي تحت وب را مشخص كنيم تا بتوانيم با ايرادات روش هاي موجود مواجه شده و رويكرد مناسبي براي پژوهش هاي پيش رو ارائه دهيم.

The world of the Internet today contains a huge amount of data that is growing exponentially. Today, the Internet has taken its place in all walks of life, from banking to shopping and personal affairs. With the proliferation of digital documents on the World Wide Web and the increase in the number of web pages and blogs that are common sources for informing users of current events, it becomes difficult to aggregate and categorize information from these sources. On the other hand, this explosive increase in the volume of information available on the Internet has made the categorization of web pages a necessity. Web page categorization is used in applications such as retrieval, aggregation, indexing, parental control systems, filtering harmful or irrelevant content, crawlers, and theme-based extracting models and removing ads. With advances in the performance and speed of computers, the use of learning-based methods has become widely used. Artificial intelligence and machine learning methods have been introduced in many fields and with the specialization of web content classification discussion, these methods have been widely used in this field as well. While the use of artificial intelligence and machine learning methods has become more common in the field of web content categorization, dealing with web text and image data still faces challenges due to its complexity and diversity. an‎d achieving the goal of automatically categorizing web content has a long way to go. In this article, we will review the methods used in this field and their development; In addition, we try to identify the factors influencing the more accurate categorization of web content so that we can address the challenges of existing methods and provide a suitable approach for future research.