شناسایی موثر هرزنامه ها در شبکه اجتماعی توئیتر با استفاده از رتبه بندی ویژگیها

چکیده مقاله

شبکه های اجتماعی همانند فیسبوک، توئیتر ارتباطات و دسترسی به اخبار را در زندگی روزانه افراد در سال های اخیر دگرگون ساخته اند حجم وسیعی از داده در این شبکه ها توسط کاربران تولید میگردد رشد سریع هرزنامه ها در اینترنت و شبکه های اجتماعی اعتبار تحقیقاتی که بر پایه داده های بدست آمده از آنها انجام شده است، را به خطر می اندازد بنابراین این امر محققان را در سالهای اخیر بر آن ساخته که با استفاده از روشهای متعدد مبتنی بر یادگیری ماشین در پی دستیابی به روشی جدید و با دقت بالا در شناسایی هرزنامه ها باشند این تحقیق روشی سریع و موثر در شناسایی هرزنامه در توئیتر را ارائه میدهد در روش پیشنهادی پس از جمع آوری داده و انجام مراحل پیش پردازش و استخراج مجموعه ویژگی مناسب، مدلسازی صورت گرفته است و با استفاده از روش های مختلف انتخاب ویژگی، ۱۰ ویژگی موثر انتخاب گردیده است که سبب می شود از پیچیدگی محاسباتی کاسته شود و در زمان استخراج ویژگی و یادگیری صرفه جویی کند و در نهایت بر اساس طبقه بند XGBoost مدلی با دقت ۹۹ ۸۴ برای شناسایی هززنامه ها به ارمغان میآورد جهت ارزیابی مدل از روش اعتبارسنجی متقابل استفاده شده است

کلیدواژه‌ها

نویسندگان

زهرا بهادری

دانشجوی کارشناسی ارشد دانشگاه شیراز، شیراز، ایران

فرنوش معنوی

دانشجوی دکتری دانشگاه شیراز، شیراز، ایران

علی حمزه

استاد دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز، شیراز، ایران

�هادری، زهرا و معنوی، فرنوش و حمزه، علی،1400،شناسایی موثر هرزنامه ها در شبکه اجتماعی توئیتر با استفاده از رتبه بندی ویژگیها،چهاردهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات چهاردهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات30 دی 1400 · بابل