مجید ابراهیمی - دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
حمید رستگاری - دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

با گسترش دنیای تکنولوژی و راه های مختلف ارتباطی، انتشار خبر و محتوا و از طرفی دیگر، به دلیل ارزان و حتی رایگان بودناستفاده از ابزارهای ارتباطی الکترونیک و گستره انبوه کاربران این حوزه، تولید کنندگان هرزنامه ها تمام قدرت خود را بکار بسته اندتا از این بستر مناسب به بهترین نحو برای رسیدن به مقاصد خود استفاده کنند، در نتیجه مقابله با آنها به یک مسیله غیر قابل انکارتبدیل شده است که هر روز با پیشرفت دنیای تکنولوژی وارد فاز جدیدی از تقابل می شوند. ایمیل ها، پیامک ها، شبکه های اجتماعیو صفحات وب همه از حوزه های تقابل ضد هرزنامه ها و هرزنامه ها می باشند. در این مقاله ابتدا مروری بر انواع حوزه های نفوذ وروش های ارایه شده می پردازیم، سپس تمرکز اصلی خود را بر روی مرور روش های داده محور و به طور ویژه الگوریتم هاییادگیری ماشین قرار می دهیم و در انتها با توجه به آزمایشاتی که انجام داده ایم، به مقایسه تعدادی از این الگوریتم ها از لحاظ دقتو سرعت می پردازیم. در این آزمایشات الگوریتم LSSVM بهترین دقت، الگوریتم Naive Bayes Updateable بهترین سرعت را دارا هستند و الگوریتم Random forest متوسط دقت و سرعت را در بین الگوریتم های آزمایش شده دارا است.

تشخیص هرزنامه، اسپم فیلترینگ، یادگیری ماشین، محتوا