| LEADER |
04475nam a22003617a 4500 |
| 001 |
1490927 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 491557
|a إسماعيل، عمر إياد
|e مؤلف
|
| 245 |
|
|
|a Feature Extraction to Detect Arabic Tweets Spam Using Support Vector Machine Algorithm
|
| 246 |
|
|
|a استخراج الخصائص لكشف التغاريد غير المرغوب فيها باللغة العربية باستخدام خوارزمية متجه الدعم الآلى
|
| 260 |
|
|
|a عمان
|c 2018
|
| 300 |
|
|
|a 1 - 78
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة عمان العربية
|f كلية العلوم الحاسوبية والمعلوماتية
|g الاردن
|o 0072
|
| 520 |
|
|
|a أدى الانتشار الواسع للشبكات الاجتماعية في الآونة الأخيرة إلى النظر في مخاطر استخدام الإنترنت من الذين يهدفون إلى توزيع محتويات ضارة مثل الرسائل غير مرغوب بها. تلك الرسائل غير المرغوب بها تتم من خلال إنشاء حسابات وهمية على خدمات الشبكات الاجتماعية المختلفة لإرسال رسائل ضارة (SPAMS) إلى المستخدمين الشرعيين. قد يستخدم مجرمي الإنترنت أيضا ملفات شخصية مسروقة للمستخدمين الشرعيين لإرسال رسائلهم العشوائية والرسائل الضارة. تركز معظم البحوث الموجودة في الكشف عن الرسائل غير المرغوب فيها على تويتر على تعريف مرسلي الرسائل غير المرغوب فيما لحجب الحسابات. هذه الألية لا تعمل بشكل جيد مع مرسلي الرسائل غير المرغوب فيها الذين قد ينشرون محتوى غير مرغوب فيه بشكل منتظم لكي يعملوا كمستخدمين قانونيين. قد تؤدي هذه الآلية إلى إلحاق الضرر بالمستخدم القانوني الذي يمنح الإذن لطرف ثالث يستخدم اسم المستخدم لإرسال مشاركات غير مرغوب فيها. ويهدف هذا البحث إلى تقديم مراجعة شاملة لوسائل التواصل الاجتماعي، والرسائل القصيرة وتقنياتها، والتقنيات السابقة التي تستخدم للكشف عن الرسائل الضارة في تويتر، تصفية مجموعات التغاريد الضارة على أساس الاستدلال، وتصنيف مجموعات التغاريد التي هي غير مرغوبة. وبناء خوارزمية التنبؤ من أجل تصنيف مجموعة التغاريد التي تم التغريد إلى ضارة أو غير ضارة. وتظهر النتيجة نسبة عالية من الدقة تقدر ب (95) % عندما قمنا بتقييم الأداة المقترحة على أساس 1000 تويت (كمجموعة بيانات لبناء الخوارزمية)، و100، 500، 1000، 2000 تغريده (كمجموعة بيانات للاختبار) حيث تمت مقارنة مع خوارزميات أخرى، التقنية المقترحة تفوقت على (Naïve Bayes وRandom Forest). متوسط دقة للنظام المقترح هو (0.9525) متبوعا بتقنية Random Forest، وNaïve Bayes بـ (0.70)، (0.50) على التوالي.
|
| 653 |
|
|
|a الشبكات الاجتماعية
|
| 653 |
|
|
|a الرسائل غير المرغوب فيها
|
| 653 |
|
|
|a خوارزمية متجه الدعم الآلى
|
| 653 |
|
|
|a علوم الحاسب الآلى
|
| 700 |
|
|
|a الشلبي، رياض فرحان
|g Al-Shalabi, Riyad
|q Alshalabi, Reyad Farhan
|e مشرف
|9 127896
|
| 856 |
|
|
|u 9802-016-013-0072-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9802-016-013-0072-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9802-016-013-0072-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9802-016-013-0072-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9802-016-013-0072-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9802-016-013-0072-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9802-016-013-0072-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9802-016-013-0072-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9802-016-013-0072-O.pdf
|y الخاتمة
|
| 856 |
|
|
|u 9802-016-013-0072-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 916703
|d 916703
|
