دانلود فایل


دانلود مقاله 2015 و ISI یادگیری ماشین ترجمه شده با بهترین کیفیت- تشخیص اسپمر در شبکه های اجتماعی– Machine Learning Spammer Detection Online Social Networks - دانلود فایل



دانلود فایل دانلود مقاله 2015 و ISI یادگیری ماشین ترجمه شده با بهترین

دانلود فایل دانلود مقاله 2015 و ISI یادگیری ماشین ترجمه شده با بهترین کیفیت- تشخیص اسپمر در شبکه های اجتماعی– Machine Learning Spammer Detection Online Social Networks دانلود مقاله انگلیسی به صورت رایگان از آدرس زیر:دانلود رایگان مقاله انگلیسی دانلود از لینک کمکی
نوع مطلب: مقاله ترجمه شده با بهترین کیفیت و کاملا تخصصی

عنوان مقاله: ترکیب طبقه بندها با استفاده از خصوصیات ساختاری برای تشخیص اسپمرها در شبکه های اجتماعی آنلاینسال انتشار: 2015زبان مقاله: فارسیقالب مقاله: ورد (Word) تعداد صفحات: 23 صفحه (همراه با مراجع)محل انتشار: پایه های علوم محاسباتی و تصمیم گیری (Foundations of Computing and Decision Sciences) اطلاعات مقاله انگلیسی: عنوان مقاله: Classifier Ensembles Using Structural Features For Spammer Detection In Online Social Networks نوع مطلب: مقاله آی اس آی (ISI) سال انتشار: 2015 زبان مقاله: انگلیسی قالب مقاله: پی دی اف (PDF) تعداد صفحات: 17 صفحه تک ستونیمحل انتشار: پایه های علوم محاسباتی و تصمیم گیری (Foundations of Computing and Decision Sciences) چکیده فارسی: از آنجایی که تکنولوژی شبکه های اجتماعی آنلاین همیشه در حال بدست آوردن محبوبیت و کاربردهای بیشتری است، رفتارهای مخرب و حملات اسپمرها نیز هوشمندانه تر شده و ردیابی آنها دشوار تر است. روشهای هرزه نگاری (spamming) جدید با استفاده از مفاهیم social engineering، تکنیکهای تشخیص اسپم و اسپمر سنتی را منسوخ میکنند. بخصوص، فیلترینگ مبتنی بر محتوای پیامهای اسپم و پروفایلهای اسپمرها در شبکه های اجتماعی آنلاین دشوارتر می شود. روشهای جدیدتری برای تشخیص اسپمرها با استفاده از خصوصیات توپولوژیکال (مکانی) مورد توجه قرار گرفته است. علاوه بر این، ارزیابی طبقه بندی کننده های گروهی برای تشخیص اسپمرها با خصوصیات مبتنی بر رفتار در شبکه های اجتماعی، هنوز هم در مراحل ابتدایی است. در این مقاله، یک متد یادگیری گروهی برای امنیت شبکه های اجتماعی آنلاین را با ارزیابی عملکرد برخی از طبقه بندی کننده های گروهی پایه بروی خصوصیات جدید شبکه های اجتماعی مبتنی بر اجتماع(گروه) (community) کاربران مشروع و اسپمرها در شبکه های اجتماعی آنلاین، ارائه میکنیم. هدف متد پیشنهادی شناسایی خصوصیات توپولوژیکال و مبتنی بر اجتماع شبکه ی تعاملی کاربران و استفاده از طبقه بندی کننده های گروهی محبوب bagging و boosting برای شناسایی اسپمرها در شبکه های اجتماعی آنلاین است. ارزیابی آزمایشی متد پیشنهادی بروی یک مجموعه داده در دنیای واقعی با اسپمرهای مصنوعی انجام شد، بطوریکه اسپمرها از رفتارهایی که در مقالات پیشین گزارش شده بودند، پیروی میکردند. نتایج آزمایشی نشان دادند که خصوصیات شناسایی شده در شناسایی اسپمرها در شبکه های اجتماعی آنلاین بسیار متمایز عمل میکنند. کلمات کلیدی: امنیت شبکه اجتماعی، تشخیص اسپمر، یادگیری گروهی، طبقه بندی کننده گروهی، استخراج خصوصیت. چکیده انگلیسی:AbstractAs the online social network technology is gaining all time high popularity and usage, the malicious behavior and attacks of spammers are getting smarter and difficult to track. The newer spamming approaches using the social engineering concepts are making traditional spam and spammer detection techniques obsolete. Especially, content-based filtering of spam messages and spammer profiles in online social networks is becoming difficult. Newer approaches for spammer detection using topological features are gaining attention. Further, the evaluation of ensemble classifiers for detection of spammers over social networking behavior-based features is still in its infancy. In this paper, we present an ensemble learning method for online social network security by evaluating the performance of some basic ensemble classifiers over novel community-based social networking features of legitimate users and spammers in online social networks. The proposed method aims to identify topological and community-based features from users’ interaction network and uses popular classifier ensembles – bagging and boosting to identify spammers in online social networks. Experimental evaluation of the proposed method is done over a real-world data set with artificial spammers that follow a behavior as reported in earlier literature. The experimental results reveal that the identified features are highly discriminative to identify spammers in online social networks. Keywords: Social network security, Spammer detection, Ensemble learning, Classifier ensembles, Feature extraction کلمات کلیدی:مقاله با ترجمه، مقاله 2015 کامپیوتر با ترجمه، مقاله کامپیوتر، مقاله 2015 کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله ISI کامپیوتر با ترجمه، مقاله داده کاوی با ترجمه، کاوش نظرات، کاوش داده های بزرگ، کاوش وب، کاوش متن، کاوش داده ها، مرور نظرات اسپم، کاوش مرور، کاوش نظرات، مقاله یادگیری ماشین با ترجمه، یادگیری ماشینی، ماشین یادگیری، تکنیک های با نظارت، تکنیک های با نظارتی، تکنیک های نظارتی یادگیری ماشینی، ترکیب طبقه بند ها، ترکیب کلاسیفایر ها، تکنیک های نیمه نظارتی، تکنیک های بدون نظارت، مقاله ISI با ترجمه، استخراج ویژگی ها، مقاله اشپرینگر با ترجمه، شبکه های اجتماعی، شبکه اجتماعی، شبکه های اجتماعی آنلاین، تشخیص اسپم، تشخیص اسپمر، Online Social Networks, review mining, spam detection, spammer detection, review spam detection, machine learning, big data analytics, feature extraction, classifier ensembles, feature selection پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود. توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

یادگیری ماشین


تشخیص اسپمر


شبکه اجتماعی آنلاین


استخراج ویژگی ها


ترکیب ویژگی ها


spammer detection


ensemble learning


online social networks


مقاله


پاورپوینت


فایل فلش


کارآموزی


گزارش تخصصی


اقدام پژوهی


درس پژوهی


جزوه


خلاصه


دانلود آخرین ورژن فایل فلش هواوی Y360-U82 با بیلد نامبر B102 با لینک مستقیم

ابن مقله

دانلود پاورپوینت “ طوفان فکری، ساختاردهی و ارزیابی ایده ها، انتخاب ”

ترجمه مقاله مدل امنیتی شبکه حسگر بی سیم در مقابل حمله ی D2P با استفاده از پروتکل دانش صفر

ابن مقله

دانلود پاورپوینت بررسي‌ سيستم‌ بهاي‌ تمام شده ي شرکت صنایع رنگین آلومینیوم بجنورد‌

پاورپوینت آماده; مديريت زمان 40 اسلاید (2)

مقاله ای در مورد مدیریت کایزن

مقاله فروکتوز و گلوکز

تحقیق درباره امنيت دفاعي منطقه خليج فارس در دهه هاي اخير