ارائه روش انتخاب ویژگی مبتنی بر خوشه بندی در مسئله تشخیص هرزنامه
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
یکی از راه های تشخیص هرزنامه، دسته بندی ایمیل ها به دو دسته هرزنامه و غیرهرزنامه است. کارایی بالای روش های یادگیری ماشین در مسایل گوناگون، باعث توسعه وسیع آنها در دسته بندی متون شده است. استفاده از یک سازوکار کاهش ویژگی کارآمد در الگوریتم های یادگیری ماشین مبتنی بر محتوا بهمنظور استخراج یک بردار ویژگی کارآمد از میان تعداد بسیار زیادی ایمیل نقش مهمی دارد. برخلاف روش های پیشین که فقط ویژگی های برتر را انتخاب کرده و باقی ویژگی ها را نادیده می گیرند، در روش پیشنهادی در این مقاله سعی شده است از ویژگی های انتخاب نشده نیز استفاده شود. روش کار به این صورت است که ابتدا یک انتخاب ویژگی اولیه اعمال شده و تعدادی ویژگی انتخاب می شود. سپس، ویژگی های انتخابنشده خوشه بندی شده و هر خوشه به یک ویژگی جدید نگاشت می شود و بردار ویژگی نهایی شامل ویژگی های انتخابشده و ویژگی های نگاشتشده از هر خوشه خواهد بود. در پژوهش حاضر، با اعمال دو روش انتخاب ویژگی اولیه و همچنین دو تابع نگاشت ویژگی های خوشه، در مجموع، چهار روش ارایه شد و نتایج با استفاده از دو پایگاه داده PU2 و PU3 تجزیه و تحلیل شدند. نتایج حاصل از تجزیه و تحلیل انجامشده نشان داد که روش مبتنی بر انتخاب ویژگی اولیه DF و تابع نگاشت پیشرفته، در بین کلیه روش های پیشنهادی، دارای بالاترین کارایی است. همچنین، روشهای پیشنهادی در مقایسه با انتخاب ویژگی اولیه (بدون خوشه بندی) دارای کارایی بهتری هستند.
کلیدواژگان:
انتخاب ویژگی ، ایمیل ، خوشه بندی ، دسته بندی ، کاهش ویژگی ، هرزنامه
زبان:
فارسی
صفحات:
202 تا 224
لینک کوتاه:
magiran.com/p2640037
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!