سال انتشار: 1395
کد COI مقاله: COMPUTER03_012
زبان مقاله: فارسیمشاهده این مقاله: 850
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله مروری بر روش های تشخیص هرزنامه با استفاده از الگوریتم های یادگیری ماشین
چکیده مقاله:
هرزنامهها که با عنوان ایمیل انبوه ناخواسته شناخته میشوند، به طور فزآیندهای در حال تبدیل شدن به یک بخش مضر در ترافیکهای ایمیلی هستند. هرزنامهها به یک مشکل همه گیر تبدیل شدهاند که میتوانند تاثیر منفی برروی قابلیت استفاده از پست الکترونیکی ایجاد نمایند. علاوه بر اتلاف وقت کاربران و تلاش مورد نیاز برای اسکن و حذف مقدار عظیمی از هرزنامههای دریافت شده، پهنای باند شبکه و فضای ذخیره سازی توسط اینگونه ایمیلها مصرف شده، سرعت سرورهای ایمیل را نیز پایین میآورند و همچنین یک رسانه برای توزیع مطالب توهین آمیز و مضر فراهم میشود. فیلترسازی یک راه ساده و کارآمد برای مبارزه علیه هرزنامهها است. خوشبختانه روشهای بسیاری برای طبقهبندی ایمیلها در دستههای هرزنامه و معتبر ارایه شده است که کار خود را به صورت خودکار انجام میدهند. در سالهای اخیر الگوریتمهای دسته بندی یادگیری ماشین برای فیلتر کردن خودکار هرزنامهها، توجه بسیاری از محققان را به خود جلب کرده است. در این مقاله ویژگیهای هرزنامهها و روشهای تشخیص آنها مورد بررسی قرار میگیرند و سپس در بخش نهایی مقالاتی که در این زمینه وجود دارند نیز بیان خواهند شد.
کلیدواژه ها:
کد مقاله/لینک ثابت به این مقاله
کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا COMPUTER03_012 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/605107/
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:مشایخی، زهرا و هارون آبادی، علی و نیزاری، محمدعلی،1395،مروری بر روش های تشخیص هرزنامه با استفاده از الگوریتم های یادگیری ماشین،همایش ملی علوم و مهندسی کامپیوتر آینده پژوهشی-سرزمین پایدار،مشهد،https://civilica.com/doc/605107
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، مشایخی، زهرا؛ علی هارون آبادی و محمدعلی نیزاری)
برای بار دوم به بعد: (1395، مشایخی؛ هارون آبادی و نیزاری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :- نصرتی. لیلی، "تشخیص ایملهای ناخواسته با استفاده از تغییرات محتوا"، ...
- نصرتی. وحید، "ارائه روشی جهت انتخاب ویژگی در الگوریتم های ...
- FPGAmulti agent expert system critical management [مقاله کنفرانسی]
- El-Alfy. E S and Al-Qunaieer. F S, A fizzy similarity ...
- Ronald. B, Sherlekar A and Pandic A, Hybrid spam e-mail ...
- Prince. M B, Dahl. _ M, Holloway. L, Keller. A ...
- Devi. K S and Ravi. A, New Feature Selection Algorithm ...
- Gautam. A, Gouda. M, Kuipers. B and Liu. A, Zmail: ...
- Meizhen. W, Zhitang. L and Sheng. Z, Fuzzy decision tree ...
- Guzella. T S and Caminha, W M, A review of ...
- Santhi. G, Wenisch. SM and Sengutuvan. _ A Content Based ...
- Samiei. M, Li. Y, Bin. G and Bab. P, A ...
- Cody. S, Cukier. W and Nesselroth E, Genres Of Spam: ...
- Cltk. A and Gingor. T, Time-Efficiet Spam E-mail Filtering Using ...
- Chang. M, and Poon. C. K, Using phrases as features ...
- Hu. Y, Guo. C, Zhang. X, Guo. Z, Zhang. J ...
- Almeida. T A and Yamakami. A, Content-based spam filtering, In ...
- Su. M C, Lo. H H and Hsu F H, ...
- Ying, K C, Lin. S W, Lee. Z J and ...
- Awad. W A and Elseuofi. S M, Machine Learning methods ...
- Singh. S, Chand. A and Lal. S P, Improving Spam ...
مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
نظرات خوانندگان
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مقالات پیشنهادی مرتبط
- شناسایی هرزنامه های الکترونیکی Spam Email با استفاده از ترکیب شبکه های عصبی و درخت تصمیم
- الگوریتم ژنتیک در انتخاب ویژگی
- انتخاب بهترین ویژگی با الگوریتم بهینه سازی ملخ در پیش بینی بیماری دیابت با استفاده از شبکه های عصبی مصنوعی
- تشخیص هرزنامه با استفاده از الگوریتم های بهینه سازی و یادگیری ماشین
- انتخاب ویژگی به کمک الگوریتم ژنتیک و تشخیص هرزنامه با خوشه بندی سلسله مراتبی مرکزگرا
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- Development of Artificial Intelligence for Smart Detectors
- هوشمندسازی سیستم تغذیه مرکز رفاهی دانشگاه فنی و حرفه ای خراسان رضوی
- نگرشی بر سیاست کیفری ایران در منع تبعیض نژادی_قومی در صنعت بازی های رایانه ای
- رابطه ی شخصیت پردازی و متحرک سازی در بازی های پلتفرمر دوبعدی مطالعه موردی دو بازی در دهه ی نود میلادی
- رابطه احتمالی میان بازی های رایانه ای، استفاده از شبکه های اجتماعی و کاهش جرایم با استفاده از نظریه فرصت جرم
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
طرح های پژوهشی مرتبط جدید
طرح های پژوهشی فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره 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.