طراحی سامانه آشکارسازی هرزنامه های الکترونیکی

مسئله طبقه بندی نامه های الکترونیکی در زمره روش های یادگیری ماشین مبتنی بر محتوا قرار می گیرد که اساس کار آنها تشخیص براساس محتوا و کلمات است. انتخاب بردار ویژگی مناسب برای افزایش کارایی سامانه های تشخیص در پیچیدگی زمان اجرای الگوریتم نقش بسزایی دارد. در این پایان نامه روشی ارائه شده است که در آن با استفاده از انتخاب ویژگی به دو روش انتخاب پیش رونده و الگوریتم وراثتی، نرخ صحت و درستی در تشخیص هرزنامه های الکترونیکی از نامه های معتبر افزایش یافته است. نتایج آزمایش ها بر روی سه پایگاه اطلاعات نشان داد که روش های انتخاب ویژگی ضمن کاهش تعداد ویژگی ها، موجب افزایش نرخ درستی در تشخیص هرزنامه ها شده است. مسئله طبقه بندی نامه های الکترونیکی در زمره روش های یادگیری ماشین مبتنی بر محتوا قرار می گیرد که اساس کار آنها تشخیص براساس محتوا و کلمات است. انتخاب بردار ویژگی مناسب برای افزایش کارایی سامانه های تشخیص در پیچیدگی زمان اجرای الگوریتم نقش بسزایی دارد. در این پایان نامه روشی ارائه شده است که در آن با استفاده از انتخاب ویژگی به دو روش انتخاب پیش رونده و الگوریتم وراثتی، نرخ صحت و درستی در تشخیص هرزنامه های الکترونیکی از نامه های معتبر افزایش یافته است. نتایج آزمایش ها بر روی سه پایگاه اطلاعات نشان داد که روش های انتخاب ویژگی ضمن کاهش تعداد ویژگی ها، موجب افزایش نرخ درستی در تشخیص هرزنامه ها شده است. به دلیل اینکه طبقه بندها در یک فرایند یادگیری ساخته می شوند امکان گرفتار شدن آنها در کمینه های محلی وجود دارد بنابراین برای افزایش دقت طبقه بندی در این پایان نامه، از روش های ترکیب نتایج طبقه بندها استفاده شده است. نتایج حاصل از آزمایش ها بر روی سه پایگاه داده نشان داد که نرخ درستی و صحت حاصل از ترکیب نتایج طبقه بندهای پایه در مقایسه با سه طبقه بند پایه پرسپترون چند لایه، ماشین بردار پشتیبان و k همسایه نزدیکتر افزایش داشته است.