ارزیابی و مقایسه الگوریتم های داده کاوی جهت دسته بندی پست های الکترونیکی

پست الکترونیک یکی از محبوب ترین و ارزان ترین راه ها برای برقراری ارتباط از طریق اینترنت است نقص در پروتکلهای پست الکترونیک و میزان زیاد تراکنش های مالی و تجاری الکترونیکی مستقیما منجر به افزایش تهدیدات مبتنی بر پست الکترونیک می شود اسپم که باعنوان پیغام های ناخواسته از آن یاد می شود یکی از اصلیت رین مسائلی است که در اینترنت کنونیموجود است و باعث ویرانی های مالی در شرکت ها می وشد در بین روشها جلوگیری از اسپم فیلتر کردن یکی از مهمترین تکنیک ها است دراین مقاله جهت دسته بندی پیغام های اسپم، از سه الگوریتم یادگیری OneR Naive Bayes و J48 استفاده شده است و درن رم افزار WEKA آزموده شده اند ابتدا یک تحلیل مقایسه ای بین الگوریتم ها ارائه گشته است تا حد ممکن سعی شده است تا الگوریتم ها بهینه شده و هرکدام با لاترین درجه صحت خود در مقایسه با دیگری قرار گیرد و در آخر الگوریتم ی که بهترین کارایی در پیش بینی اسپم دارد پیشنهاد می گردد.

کلیدواژه ها:

WEKAOneR ، Naïve Bayes و J48 ، Precision ، Recall