کشف اسپمرها در شبکه های اجتماعی با استفاده از ماشین یادگیری رویکردی مبتنی بر بازخوردکاربران

امروزه شبکه های اجتماعی به یکی از رایج ترین ابزارهای ارتباطی در زندگی روزمره بشر تبدیل شده است. ارتباط حاصل در این شبکه ها می تواند یک مکالمه ساده دوستانه باشد و یا یک موضوع مهم تجاری و غیره. متاسفانه همین عمومیت و سادگی باعث ایجاد هرزنامه نویسان و کلاه برداران اینترنتی شده است ، مسیله ای که روزی کم اهمیت جلوه می نمود ، امروزه به معضلی جدی برای میلیون ها کاربر بدل شده است . هم زمان با پیدایش هرزنامه محققین نیز روش هایی برای برخورد با این پدیده معرفی کرده اند تنوع روش های پیشنهادی بسیار زیاد است ، از تکنیک های ساده مبتنی بر قوانین گرفته تا تکنیک های پیچیده در هوش مصنوعی . در میان کارهای انجام شده روش های مبتنی بر الگوریتم یادگیری ماشینی حجم گسترده ای در کارهای مرتبط در این ضمینه را به خود اختصاص داده است و نتایج بسیار خوبی از این روش ها حاصل شده است در این مقاله، یک راه حل نظارتی مبتنی بر یادگیری ماشین وجود دارد که برای تشخیص کآرای اسپمر ارایه شده است. ابتدا، یک مجموعه داده از گوگل پلاس جمع آوری شده است که شامل 30116 کاربرو بیش از 16 میلیون پیام است. پس از آن، مجموعه داده نشاندار از کاربران ساخته می شود . کاربران به صورت دستی به اسپمرها و غیر- اسپمرها طبقه بندی شده. سپس، مجموعه ای از ویژگی هایی را از محتوای پیام ها و رفتار اجتماعی کاربران استخراج می کند،در ماشین بردار پشتیبانی می کرده بر اساس الگوریتم تشخیص اسپمر اعمال می کند در نهایت آزمایش ما نشان می دهد که راه حل پیشنهادی قادر به ارایه عملکرد عالی با میزان مثبت واقعی اسپمر 99.5% و غیر اسپمر 99.9% است

کلیدواژه ها:

شبکه های اجتماعی ، اسپمر ، ماشین یادگیری ، هرزنامه ، غیر اسپم