مروری بر روش های تشخیص نظرات هرز با استفاده از رویکرد یادگیری عمیق
- سال انتشار: 1401
- محل انتشار: هشتمین کنفرانس بین المللی وب پژوهی
- کد COI اختصاصی: IRANWEB08_004
- زبان مقاله: فارسی
- تعداد مشاهده: 265
نویسندگان
دانش آموخته ی کارشناسی ارشد مهندسی فناوری اطلاعات- آزمایشگاه پژوهشی یادگیری عمیق، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشکدگان فارابی، دانشگاه تهران، ایران
استادیار، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشکدگان فارابی، دانشگاه تهران، ایران
چکیده
نظرات هرز به نظراتی گفته می شود که با هدف تبلیغ و یا تخریب یک محصول یا برند در وب سایت ها و سایر خدمات اینترنتی توسطبرخی کاربران نوشته می شود. از آنجا که تشخیص این نوع نظرات توسط انسان به راحتی ممکن نیست. لازم است مدلی ارائه شودکه با استفاده از آن، این نوع نظرات تشخیص داده شوند. در سال های اخیر پژوهش های زیادی برای شناسایی این نوع نظرات انجامشده است و با گسترش شبکه های عصبی عمیق و مشاهده ی کارآیی این شبکه ها در مسائل گوناگون. در مسئله ی تشخیص نظراتهرز نیز در سال های اخیر از انواع شبکه های عمیق استفاده شده است. در این مقاله مروری بر روش های ارائه شده بر پایه ی یادگیریعمیق برای مسئله ی تشخیص نظرات هرز انجام می شود. همچنین چالش های موجود در این حوزه. معیارهای ارزیابی و مجموعهداده های این حوزه نیز بررسی می گردد.کلیدواژه ها
تشخیص نظرات هرز، نظرات هرز تکی، نظرات جعلی، یادگیری عمیق، شبکه های عصبی کونوولوشنال، شبکه های حافظه کوتاه مدت طولانیمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.