انتخاب ویژگی برای تشخیص اسپم در شبکه اجتماعی فیس بوک با استفاده از الگوریتم ترکیبی مبتنی بر ژنتیک و نیروی گرانش
- سال انتشار: 1397
- محل انتشار: چهارمین کنفرانس ملی دستاوردهای نوین در برق و کامپیوتر و صنایع
- کد COI اختصاصی: NCAEC04_071
- زبان مقاله: فارسی
- تعداد مشاهده: 664
نویسندگان
دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد آیت ا... آملی
عضو هییت علمی گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد آیت ا... آملی
عضو هییت علمی گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد آیت ا... آملی
چکیده
امروزه تکنولوژی و فناوری اطلاعات تمام بخش های زندگی انسان را در بر گرفته و باعث گسترش بسترهای ارتباطی با فضای مناسب و کم هزینه شده است. افراد و سازمان های تبلیغاتی و سودجو از این فضای انبوه از مخاطب و بستر کم هزینه برای ارسال اطلاعات دلخواه و اهداف خود در قالب اسپم ها استفاده می کنند که علاوه بر ایجاد مشکل برای کاربران، باعث مصرف زمان و پهنای باند شده و همچنین به عنوان تهدیدی برای بهره وری قابلیت اطمینان و امنیت شبکه خواهند بود. رویکردهای مختلفی برای مقابله با اسپم ها ارایه شده است که از پویاترین و بهترین روش های فیلترینگ اسپم، تکنیک یادگیری ماشین است که با سرعت بالایی کار فیلترینگ و طبقه بندی اسپم ها را انجام می دهد. در این مقاله یک روش جدید برای کشف اسپم در شبکه اجتماعی فیس بوک با مقیاس پذیر کردن ماشین بردار پشتیبان بر اساس ترکیب الگوریتم ژنتیک و نیروی گرانشی برای انتخاب موثرترین ویژگی های اسپم ها ارایه شده است. یکی از مزیت های مهم الگوریتم نیروی گرانشی استفاده از جستجوی محلی برای رسیدن به جواب بهینه است که در الگوریتم ژنتیک یافت نمی شود. از سوی دیگر، الگوریتم ژنتیک از همان ابتدا با دیدگاه سراسری جمعیتها، مجموعه تمام ویژگیها را پوشش می دهد. نتایج آزمایش ها نشان می دهد که صحت روش پیشنهادی در مقایسه با الگوریتم های دیگر بهینه تر خواهد بود و الگوریتم توانسته است به رقابت با الگوریتم های مورد مقایسه بپردازد.کلیدواژه ها
اسپم، فیس بوک، الگوریتم ژنتیک، نیروی گرانشی، ماشین بردار پشتیبانمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
اطلاعات بیشتر در مورد 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.