دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
جدیدترین لغات واژه‌نامه
کشورهای شمال اروپا
آتش سوزی های جنگلی
دوسویه
نادیده گرفتن، دست انداخ
اجتناب ناپذیر، بی شفقت،
آمار بازدیدکنندگان
بازدید امروز :28
بازدید روز گذشته :129
بازدید این هفته :157
بازدید این ماه :2602
مجموع آمار بازدید ها :786576
بازدید روز گذشته :129
بازدید این هفته :157
بازدید این ماه :2602
مجموع آمار بازدید ها :786576
عنوان محصول: شناسایی اسپمرها در شبکه‌های اجتماعی
|
توضیحات مختصر:
شبکه‌های اجتماعی به یکی از محبوب‌ترین روش‌ها برای ارتباط کاربران و تعامل آنلاین آنها تبدیل‌شده است. کاربران زمان بسیار زیادی را در شبکه‌های اجتماعی مشهور (مانند فیس‌بوک، توییتر، سینا وبیو و غیره) برای خواند اخبار، مطرح نمودن رخدادها و پست کردن پیام‌ها، صرف می‌کنند. متأسفانه این مشهور بودن بسیاری از ...
|
| شناسایی اسپمرها در شبکه‌های اجتماعی |
قیمت : 38000 تومان
تخفیف: 2000 تومان
تخفیف ویژه : 10 درصد
قیمت نهایی: 32200 تومان
459 بازدید
کد مقاله: TTC-
3441
نوع فایل : docx
خرید و دانلود
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Abstract
Social network has become a very popular way for internet users to communicate and interact online. Users spend plenty of time on famous social networks (e.g., Facebook, Twitter, Sina Weibo, etc.), reading news, discussing events and posting messages. Unfortunately, this popularity also attracts a significant amount of spammers who continuously expose malicious behavior (e.g., post messages containing commercial URLs, following a larger amount of users, etc.), leading to great misunderstanding and inconvenience on users׳ social activities. In this paper, a supervised machine learning based solution is proposed for an effective spammer detection. The main procedure of the work is: first, collect a dataset from Sina Weibo including 30,116 users and more than 16 million messages. Then, construct a labeled dataset of users and manually classify users into spammers and non-spammers. Afterwards, extract a set of feature from message content and users׳ social behavior, and apply into SVM (Support Vector Machines) based spammer detection algorithm. The experiment shows that the proposed solution is capable to provide excellent performance with true positive rate of spammers and non-spammers reaching 99.1% and 99.9% respectively.
چکیده
شبکه‌های اجتماعی به یکی از محبوب‌ترین روش‌ها برای ارتباط کاربران و تعامل آنلاین آنها تبدیل‌شده است. کاربران زمان بسیار زیادی را در شبکه‌های اجتماعی مشهور (مانند فیس‌بوک، توییتر، سینا وبیو و غیره) برای خواند اخبار، مطرح نمودن رخدادها و پست کردن پیام‌ها، صرف می‌کنند. متأسفانه این مشهور بودن بسیاری از اسپمرها را که از خود رفتارهای مخرب (مانند ارسال پیام‌هایی حاوی لینک‌های تبلیغاتی، دنبال کردن بخش بزرگی از کاربران و غیره) نشان می‌دهند را به‌سوی خود جلب کرده است که منجر به ایجاد سود تفاهم و ناراحتی بسیاری از کاربران می‌شود. در این مقاله، یک ماشین یادگیری نظارتی برای شناسایی مؤثر اسپمرها پیشنهادشده است. در ابتدا هدف اصلی این مقاله، در جمع‌آوری یک مجموعه داده از سینا وبیو شامل 30116 کاربر و بیش از 16 میلیون پیام است و سپس ایجاد یک مجموعه داده برچسب‌گذاری شده از کاربران و دسته‌بندی کاربران به دودسته کاربران اسپمر و غیر اسپمر است. بعدازاین مرحله، یک مجموعه از ویژگی¬ها از درون محتوای پیام‌ها و رفتارهای اجتماعی کاربران استخراج‌شده و به‌عنوان ورودی ماشین بردار پشتیبانی (SVM) جهت شناسایی اسپمرها استفاده می‌شوند. آزمایش‌ها نشان می‌دهند که روش پیشنهادی قادر به ارائه یک کارایی مناسب با نرخ مثبت صحیح برای شناسایی کاربران اسپمر و غیر اسپمر است. که این نرخ مثبت صحیح برای اسپمرها و غیر اسپمرها به ترتیب برابر 99.9 درصد و 99.1 درصد است.
تعداد صفحات انگلیسی:
تعداد صفحات فـارسـی:
- 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.