ارسل ملاحظاتك

ارسل ملاحظاتك لنا







يجب تسجيل الدخول أولا

Enhancement Model to Detect Arabic Spam Email Using Deep Learning

العنوان بلغة أخرى: نموذج محسن لكشف رسائل البريد الإلكتروني العشوائية للنصوص العربية باستخدام التعلم العميق
المؤلف الرئيسي: الخوالدة، أحمد طه محمود (مؤلف)
المؤلف الرئيسي (الإنجليزية): Al-Khawaldeh, Ahmad Taha Mahmoud
مؤلفين آخرين: السقار، فيصل سليمان (مشرف) , الشطناوي، عطا الله محمود عواد (مشرف)
التاريخ الميلادي: 2022
موقع: المفرق
الصفحات: 1 - 48
رقم MD: 1253473
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة آل البيت
الكلية: كلية الأمير الحسين بن عبد الله لتكنولوجيا المعلومات
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

35

حفظ في:
المستخلص: البريد الالكتروني هي وسيلة اتصال بين الاشخاص عبر الشبكة وذلك بارسال واستقبال الرسائل الالكترونية وتعتبر وسيلة سريعة وسهلة الاستخدام ورخيصة. يزداد عدد المستخدمين للبريد الالكتروني باستمرار لما له من اهمية كبيرة بين الناس. لكن المشكلة الرئيسية التي يعاني منها الناس هي البريد الالكتروني الغير مرغوب فيها وتسمى spam emails)) . يتزايد عدد الرسائل الالكترونية المرسلة عبر الشبكة بشكل كبير، وهذا يؤدي الى استنزاف موارد الشبكة واستهلاك وقت المستخدمين في قراءة البريد الالكتروني الغير مرغوب . لذلك قام العديد من الباحثين في دراسة طرق الكشف عن البريد الالكتروني الغير مرغوب وتصنيفها وخاصة في اللغة الانجليزية حيث استخدموا العديد من تقنيات وبرامج التصفية. في الجانب الاخر هناك عدد قليل من الباحثين استخدموا اللغة العربية في تصنيف البريد الالكتروني غير المرغوب. الغاية من هذه الاطروحة هو ايجاد حل لكثيير من مستخدمي اللغة العربية للكشف عن البريد الالكتوني غير المرغوب spam emails)) بشكل ديناميكي.، حيث قام الباحث باستخدام تقنيات التعلم العميق مثل الشبكة العصبية الاصطناعية و الشبكة العصبية المتكررة ونموذج المقترح الشبكة العصبية الالتفافية مع تضمين الكلمات ومقارنتها مع خوارزميات التعلم الالي التقليدي مثل آلات نظام الدعم وشجرة القرار و ساذج بايزي ومنطق الانحدار. وقد حقق النموذج المقترح باستخدام تقنية الشبكة العصبية الالتفافية(CNN) على افضل نتيجة بين الخوارزميات المطبقة بدقة تساوي ٩٣%.

عناصر مشابهة