انواع روش های توانایی الفبایی مورد استفاده بر مبنای متن توییت های کاربران توییتر جایگزین رفتار یککاربر جهت تشخیص گروه های اسپمبوتی

به طور کلی در گذشته ارائه کنندگان خدمات و محصولات تولیدی با استفاده از فرم و نظرخواهی می توانستند محصولات خودرا مورد بررسی قرار دهند، اما امروزه با گسترش اینترنت و شبکه های اجتماعی آنلاین افرادی که میل به نظر دادن در موردمحصولات را دارند بیشتر شده است و ارائه کنندگان خدمات با ارائه محصول خود در یکی از شبکه های اجتماعی آنلاین میتوانند نظرات بیشتری را در مورد محصول خود بگیرند. همانطور که گرفتن نظرات کاربران با استفاده ازشبکه های اجتماعیآنلاین آسان شده است مشکلاتی را نیز دارد که از بزرگ ترین آنها می توان به نظرات جعلی و نظرات هرز اشاره کرد.نظرات هرز یا نظرات جعلی، نظراتی هستند که توسط کاربران نامشخص و یا رباتها طراحی شده تا نظرات نامربوط به موضوعو یا نظرات بدی در مورد محصولات ارائه شده بدهند. با توجه به گسترش هوش مصنوعی و الگوریتم های آن شناخت کاربراناسپمبوت ها از قبل بسیار سخت تر شده است.روش پیشنهادی جهت بهبود تشخیص نظرات هرز و کاربران اسپمبوت ارائه و توضیح داده می شود.نظرات کاربران ابتدا توسط مبدل دی ان ای به رشته هایی شبیه به رشته دی ان ای تبدیل می گردند . و مدل رفتاری کاربراندر طول زمان همانند رشته شبیه سازی می شود.سپس با استفاده از الگوریتم های انطباق دوگانه رشته های شبیه پیام مورد جستجو پیدا می شوند .در این صورت تشخیص اسپمبوت انجام و می توان گفت که پیام مورد نظر انسانی است و یا از جانب اسپمبوت ایجاد شدهاست برای استخراج و تجزیه و تحلیل دی ان ای دیجیتال از رفتار کاربران شبکه های اجتماعی آنلاین از توییتر به عنوان یکمعیار برای تایید پیشنهاد استفاده می کنیم.

کلیدواژه ها:

تشخیص اسپمبوت ، بات های اجتماعی ، شبکه های اجتماعی آنلاین ، توییتر ، مدل رفتاری ، دی ان ای دیجیتال