دانلود مقاله انگلیسی رایگان:یک رویکرد یادگیری عمیق در زمان واقعی برای فیلتر کردن عربی با کیفیت پایین محتوا و حساب های کاربری در توییتر - 2021
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی حسابداری و حسابرسی رایگان
  • A real-time deep-learning approach for filtering Arabic low-quality content and accounts on Twitter A real-time deep-learning approach for filtering Arabic low-quality content and accounts on Twitter
    A real-time deep-learning approach for filtering Arabic low-quality content and accounts on Twitter

    سال انتشار:

    2021


    عنوان انگلیسی مقاله:

    A real-time deep-learning approach for filtering Arabic low-quality content and accounts on Twitter


    ترجمه فارسی عنوان مقاله:

    یک رویکرد یادگیری عمیق در زمان واقعی برای فیلتر کردن عربی با کیفیت پایین محتوا و حساب های کاربری در توییتر


    منبع:

    ScienceDirect- Elsevier- Information Systems, 99 (2021) 101740: doi:10:1016/j:is:2021:101740


    نویسنده:

    None


    چکیده انگلیسی:

    Social networks have generated immense amounts of data that have been successfully utilized for research and business purposes. The approachability and immediacy of social media have also allowed ill-intentioned users to perform several harmful activities that include spamming, promoting, and phishing. These activities generate massive amounts of low-quality content that often exhibits duplicate, automated, inappropriate, or irrelevant content that subsequently affects users’ satisfaction and imposes a significant challenge for other social media-based systems. Several real-time systems were developed to tackle this problem by focusing on filtering a specific kind of low-quality content. In this paper, we present a fine-grained real-time classification approach to identify several types of lowquality tweets (i.e., phishing, promoting, and spam tweets) written in Arabic. The system automatically extracts textual features using deep learning techniques without relying on hand-crafted features that are often time-consuming to be obtained and are tailored for a single type of low-quality content. This paper also proposes a lightweight model that utilizes a subset of the textual features to identify spamming Twitter accounts in a real-time setting. The proposed methods are evaluated on a real-world dataset (40, 000 tweets and 1, 000 accounts), showing superior performance in both models with accuracy and F1-scores of 0.98. The proposed system classifies a tweet in less than five milliseconds and an account in less than a second.
    keywords: محتوای کم کیفیت در شبکه های اجتماعی | حساب های اسپم | سیستم تشخیص زمان واقعی | تکنیک های یادگیری عمیق | Low-quality content in social networks | Spam accounts | Real-time detection system | Deep learning techniques


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 1147 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 425 :::::::: بازدید دیروز: 10088 :::::::: بازدید کل: 14661 :::::::: افراد آنلاین: 26