تشخیص هرزنامه های توییتر با طبقه بندی بیز ساده

توییتر پلتفرم رسانه اجتماعی محبوبی است که بیش از ۳۰۰ میلیون کاربر ماهانه دارد که روزانه ۵۰۰ میلیون توییت ارسال میکند این دلیل اصلی استفاده اسپمرها از توییتر برای انتشار نرم افزارهای بدخیم است که اطلاعات شخصی کاربر و توییت های حاوی Urlهای جعلی یا معیوب را میدزدد و قاطعانه کاربران را دنبال یا لغو دنبال میکند و توییتهای جعلی ترند برای جلب توجه کاربران آگهی ها و پورنوگرافی را منتشر میکند. در سال های اخیر توییتر دادههای کاربران فعال را جمع اوری کرده و اقدامات آنها را تجزیه و تحلیل کرده است، این گزارش به وضوح نشان میدهد که بیش از ۳۲ میلیون کاربر به صورت روزانه با سرور برای اطلاعات عادی در تعامل بوده اند. از این رو شناسایی و فیلتر کردن توییتها یا روندهای مخربی که برای کاربران مضر یا ناخواسته هستند در دنیای اجتماعی فعلی بسیار مهم است این مقاله در مورد روشهای تجزیه و تحلیل توییت طبقه بندی آنها به هرزنامه و ham بر اساس کلمات موجود در توییت ها بحث می کند. اگرچه روش های یادگیری ماشینی و یادگیری عمیق مختلفی برای طبقه بندی و شناسایی توییتهای اسپم مانند svm وجود دارد، روشهای خوشه بندی و مدل تشخیص باینری که از طبقه بندی کننده Naive bayes استفاده میشوند. اخیرا کاربران توییتر با دسترسی یا بازدید از پیامهای اسپم یا توییتهای غیر ضروری بد افزار، سرقت اطلاعات را تجربه میکنند باید به طور جدی در نظر گرفته شود زیرا بسیاری از افراد پول یا اطلاعات شخصی خود را از دست میدهند. همچنین دزدی اطلاعات و ترندهای تقلبی یک تهدید محسوب میشوند و باید کنترل شود. به لطف قابلیت دنبال کردن خودکار هرزنامه ها احتمالا با افراد بیشتری تعامل خواهند داشت.