با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
ردیف | عنوان | نوع |
---|---|---|
1 |
الگوریتم ژنتیک چند هدفه و طرح معماری یادگیری عمیق مبتنی بر CNN برای تشخیص موثر spam
سال انتشار: 2022 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 18 معمولا ایمیل به عنوان قدرتمندترین رسانه در شبکههای اجتماعی آنلاین در نظر گرفته میشود که امکان گفتگو و ارتباط آنلاین کاربران رسانههای اجتماعی آنلاین را با یکدیگر فراهم می کند، همچنین امکان اشتراک گذاری لینک هم وجود دارد. به ویژه، توییتر به عنوان محبوب ترین شبکه اجتماعی شناخته شده است که بهترین کانال ارتباطی برای به اشتراک گذاشتن اخبار، ایده ها، افکار، نظرات و عقاید فعلی کاربران خود با سایر کاربران رسانه های اجتماعی آنلاین است. علیرغم تلاشهایی که برای مبارزه با عملیات اسپم در شبکه اجتماعی آنلاین انجام شده است، اسپم توییتر دارای عملکرد جدیدی محدود به 140 کاراکتر است. این نه تنها علت اصلی آزار کاربران روزمره است، بلکه اکثر مسائل امنیتی رایانه نیز ناشی از آن است که میلیاردها دلار کاهش بهره وری هزینه را در پی دارد. در این مقاله، یک الگوریتم ژنتیک چندهدفه و یک طرح معماری یادگیری عمیق مبتنی بر CNN (MOGA-CNN-DLAS) برای فرآیند تشخیص اسپم غالب در توییتر پیشنهاد میکنیم. جزئیات تجربی و نتایج و بحث حاصل از MOGA-CNN-DLAS پیشنهادی از نظر دقت ، صحت، فراخوان، FScore، RMSE و MAE مورد ارزیابی قرار گرفتند. این ارزیابی با تغییر نسبت دادههای آموزشی کاربردی از سه مجموعه داده واقعی، مانند مجموعه داده توییتر k100 و ASU انجام شد.
کلمات کلیدی: اسپم توییتر | یادگیری عمیق | شبکه عصبی پیچشی یا همگشتی (CNN) | الگوریتم ژنتیک | آنالیز رسانه های اجتماعی | تشخیص موثر اسپم |
مقاله ترجمه شده |