الگوریتم تشخیص ایمیلهای ناخواسته با استفاده از تحلیل محتوا وSVM

مسئله استخراج ویژگی، یکی از مسائلی است که در مبحث یادگیری ماشین و در بررسی مسائل شناخت الگومطرح است. با انتخاب ویژگی مناسب در نرخ بازشناسی و کنار گذاشتن ویژگیهایی که در طبقهبندی تأثیر منفی دارند، میتوان هم نرخ بازشناسی را بهبود بخشید و همچنین، هزینه محاسباتی را کاهش و سرعت پردازش را افزایش داد که این امر در سیستمهای بلادرنگ امر حیاتی است . در کارهای انجامشده معمولاً برای دستهبندی از همان ویژگیهای استخراجشدهی پیشفرض استفاده میکنند. درصورتیکه این استخراج ویژگی هدفمند و بهصورت بهینه و دقیق انتخاب گردد در این صورت دقت الگوریتم در تشخیص بسیار بهتر میگردد. بر این اساس در این پایاننامه بر این مبنا ابتدا با توجه به بررسی ایمیلهای متفاوت، ویژگیهای ایمیل هرزنامه و غیر هرزنامه را که عبارتاند از کلمات، عبارات، کاراکترهای خاص، سرآیند ایمیل )وابسته به دامنه( را با استفاده از روش تحلیل محتوا کدبندی بهگونهای استخراج شود تا با کمترین تعداد ویژگی بالاترین دقت را در تفکیک ایمیلها و تشخیص هرزنامهها داشته باشد

کلیدواژه ها:

یادگیری ماشین ، استخراج ویژگی ، کلاسبندی ، سرعت پردازش ، دقت الگوریتم