تشخیص نیمه نظارتی اسپم (هرزنامه) در جریان توییتر
واتساپ:09141077352 همراه: 09141077352 ثابت: 35250068-041 سفارش سمینار و مقاله سفارش ترجمه تخصصی
 

دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


جدیدترین لغات واژه‌نامه

آمار بازدیدکنندگان

بازدید امروز :84
بازدید روز گذشته :101
بازدید این هفته :331
بازدید این ماه :2754
مجموع آمار بازدید ها :781027

عنوان محصول: تشخیص نیمه نظارتی اسپم (هرزنامه) در جریان توییتر

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: دوشنبه 16 مهر 1398
تشخیص نیمه نظارتی اسپم (هرزنامه) در جریان توییتر تشخیص نیمه نظارتی اسپم (هرزنامه) در جریان توییتر
توضیحات مختصر: بسیاری از تکنیک‌های موجود برای تشخیص هرزنامه در توییتر با هدف شناسایی و مسدود کردن کاربرانی که تویت¬های اسپم ارسال می‌کنند، ایجاد شده است. در این مقاله، ما یک چارچوب تشخیص نیمه نظارتی هرزنامه (S3D) به‌منظور شناسایی و تشخیص هرزنامه‌ها در سطح تویت پیشنهاد می‌کنیم. چارچوب پیشنهاد حاوی دو ماژول اصلی است...
تشخیص نیمه نظارتی اسپم (هرزنامه) در جریان توییتر تشخیص نیمه نظارتی اسپم (هرزنامه) در جریان توییتر


قیمت قیمت : 35000 تومان
تخفیف تخفیف: 3000 تومان
تخفیف تخفیف ویژه : 10 درصد
قیمت نهایی قیمت نهایی: 28500 تومان
375 بازدید
کد مقاله: TTC- 3788
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Journal: IEEE 2017,

Semi-Supervised Spam Detection in Twitter Stream
Abstract
Most existing techniques for spam detection on Twitter aim to identify and block users who post spam tweets. In this paper, we propose a semi-supervised spam detection (S3D) framework for spam detection at tweet-level. The proposed framework consists of two main modules: spam detection module operating in real-time mode and model update module operating in batch mode. The spam detection module consists of four lightweight detectors: 1) blacklisted domain detector to label tweets containing blacklisted URLs; 2) near-duplicate detector to label tweets that are near-duplicates of confidently prelabeled tweets; 3) reliable ham detector to label tweets that are posted by trusted users and that do not contain spammy words; and 4) multiclassifier-based detector labels the remaining tweets. The information required by the detection module is updated in batch mode based on the tweets that are labeled in the previous time window. Experiments on a large-scale data set show that the framework adaptively learns patterns of new spam activities and maintain good accuracy for spam detection in a tweet stream.
Keywords: Semi-supervised learning, Twitter, spam.

چکیده
بسیاری از تکنیک‌های موجود برای تشخیص هرزنامه در توییتر با هدف شناسایی و مسدود کردن کاربرانی که تویت¬های اسپم ارسال می‌کنند، ایجاد شده است. در این مقاله، ما یک چارچوب تشخیص نیمه نظارتی هرزنامه (S3D) به‌منظور شناسایی و تشخیص هرزنامه‌ها در سطح تویت پیشنهاد می‌کنیم. چارچوب پیشنهاد حاوی دو ماژول اصلی است: ماژول تشخیص اسپم که به‌صورت بلادرنگ عمل می‌کند و ماژول به‌روزرسانی که به‌صورت دسته‌ای عمل می‌کند. ماژول تشخیص اسپم شامل چهار تشخیص‌دهنده سبک‌وزن است: 1) تشخیص‌دهنده دامنه‌های مسدود شده به‌منظور برچسب‌گذاری تویت هایی که شامل URL های مسدود شده هستند. 2) تشخیص‌دهنده نزدیک به کپی که برای برچسب‌گذاری تویت هایی که با اطمینان تقریباً کپی شده تویت های از قبل برچسب‌گذاری شده هستند، استفاده می¬شود 3) تشخیص‌دهنده محدوده قابل‌اطمینان که برای برچسب‌گذاری تویت هایی که توسط کاربران قابل‌اعتماد پست می‌شوند و شامل کلمات اسپم نیستند، استفاده می‌شود 4) تشخیص‌دهنده مبتنی بر طبقه‌بندی کننده چندگانه که برای برچسب‌گذاری مابقی تویت های باقی‌مانده استفاده می‌شود. اطلاعات موردنیاز ماژول‌های تشخیص به‌صورت دسته‌ای بر مبنای تویت هایی که در پنجره‌های زمانی قبلی برچسب‌گذاری شده‌اند، به‌روزرسانی می‌شوند. آزمایشات بر روی مجموعه داده‌هایی با مقیاس بزرگ نشان می‌دهند که چارچوب پیشنهادی به‌صورت انطباقی قادر به یادگیری الگوهای فعالیت‌ اسپم‌های جدید بوده و دارای دقت خوبی در تشخیص اسپم در جریان یک تویت است.
کلمات کلیدی: یادگیری نیمه نظارتی، توییتر، اسپم.

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:7 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:19 صفحه

  • آدرس: تبریز، آبرسان، مهرگان چهارم
  • تلفن  تماس: 09016347107
  • تلفن  ثابت : 35250068-041
  •  Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @zoodyab :آدرس تلگرام
مرکز  تخصصی  تلاش ترجمه از  سال  1385 شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.

تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.