مروری بر ا ستراتژ ی کارآمد تشخ یص هرزنامه ا یم یل با استفاده از پرداز ش درخت تصمیم و مدل آمالز

سازمان ها در صنعت از داده های بزرگ برا ی مدی ری ت موثر حجم وس یع ی از اطلاعات استفاده می کنند. تجز یه و تحل یل داده های متن ی و در عی ن حال محافظت از یکپارچگ ی داده ها از طر یق فی لترها ی هرزنامه بس یار مهم است. م یتوان از روش های مختلف ی مانند کلمه به بردار c ، کی سه کلمات، برت و تی اف -آی دی اف استفاده کرد، اما ممکن است مشکلات کمبود داده را که منجر به از دست دادن اطلاعات می شود، برطرف نکنند. دسته بندی اسناد بر اساس موضوع و استفاده از رو یکردها ی آمار ی میتواند به رفع ا ین موضوع کمک کند. یک استراتژ ی جدی د برا ی تشخ یص هرزنامه با استفاده از پردازش زبان طب یع ی، با ترک یب مدلها ی حداقل مربعات و آمالز، پ یشنهاد شد. ارز یاب ی عملکرد، دقت ۹۸ درصد ی را در پیش بینی هرزنامه در کلان داده نشان داد که از مدل استاندارد صنعت تی اف -آی دی اف پ یش یگرفته است. ا ین تکن یک میتواند از سازمان ها در برابر هرزنامه و استخراج غ یرمجاز داده ها محافظت کند .

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، داده های بزرگ ، تشخیص هرزنامه