مروری بر ارزیابی ماشین بردارپشتیبان درتشخیص طبقه بندی ایمیل های اسپم

یکی از ارتباطات اقتصادی سریع ایمیل است، افزایش کاربران ایمیل باعث افزایش هرزنامه ها در سال های اخیر شده است. هرزنامه نویس ها همیشه سعی می کنند راه هایی برای فرار از فیلترهای موجود بیابند بنابراین فیلترهای جدید برای تشخیص هرزنامه ها نیاز به توسعه دارند بیشتر این فیلتر ها از ترکیبی از چندین روش مانند فهرست های سیاه یا سفید، استفاده از واژه های کلیدی، فیلترهایی بر پایه قانون، روشهای یادگیری ماشین و غیره برای شناسایی دقیقتر هرزنامه ها بهره میبرند. در این مقاله به بررسی معیارهای ارزیابی مانند دقت و صحت و نرخ خطا و کارایی ماشین بردار پشتیبان ماشین برای تشخیص و فیلترینگ هرزنامه ها می پردازیم.

کلیدواژه ها:

یادگیری ماشین ، هرزنامه ، ماشین بردار پشتیبان ، داده کاوی ، فیلترینگ اسپم