استفاده از يادگيري ماشيني براي شناسايي صفحات غيرقابل اعتماد فيس بوك
تعداد فزاينده اي از شركت ها و افراد در سراسر جهان صفحات فيس بوك را براي اهداف بازاريابي و تبليغات ايجاد مي كنند. اين امر به اين دليل است كه فيس بوك امكان برقراري ارتباط رايگان با مشتريان بالقوه يا موجود ، تبليغات رايگان محصولات ، پيشنهادات يا خدمات جديد را فراهم مي كند.
با اين حال ، دقيقا به دليل اين سرويس رايگان و دسترسي آسان است ، كاربران مخرب از آن براي ايجاد صفحات فريبنده استفاده مي كنند. شناسايي و شناسايي صفحات غيرقابل اطمينان از اهميت اساسي برخوردار است ، زيرا ممكن است به هشدار كاربران و كاهش فعاليت هاي مخرب در سيستم عامل كمك كند.
محققان در سراسر جهان از اين رو در تلاشند تا روش هايي را براي كشف و جلوگيري از فريب در فيس بوك و ساير سيستم عامل هاي رسانه هاي اجتماعي تهيه كنند. پانيدا سونگرام ، محقق دانشگاه Mahasarakham در تايلند ، اخيراً تحقيقي را انجام داده است كه در مورد استفاده از يادگيري ماشين نظارت شده براي تشخيص قابليت اطمينان يا عدم اطمينان از صفحات فيس بوك تحقيق كرده است.
سونگرام در مقاله خود نوشت ، كه در مجله زندگي مصنوعي و رباتيك اسپرينگر منتشر شده است ، نوشت: "اين مقاله با هدف شناسايي و بررسي خصوصيات صفحات غيرقابل اعتماد و قابل اعتماد در فيس بوك" . "مدلهاي يادگيري مؤثر ماشين و روشهاي انتخاب ويژگي نيز براي كشف صفحات غيرقابل اعتماد و قابل اعتماد بررسي شده است."
Songram تعداد زيادي از ويژگي هايي را كه مي تواند به تعيين اينكه آيا يك صفحه قابل اطمينان است يا نه ، از جمله جزئيات صفحه ، اطلاعات مربوط به يك محصول يا خدمات ، پاسخ هاي كاربر و رفتار پست مدير صفحه كمك مي كند ، استخراج كرد. وي سپس يك ابزار يادگيري با نظارت ماشين را آموزش داد تا بتواند اين ويژگي ها را تجزيه و تحليل كند و صفحات را قابل اعتماد يا غيرقابل طبقه بندي كند.
سونگرام در مقاله خود توضيح داد: "ابتدا صفحات فيس بوك به طور تصادفي جمع آوري مي شوند و سپس توسط پنج كاربر آنها نشان داده مي شوند." "صفحات فيس بوك با توافق پنج كاربر انتخاب شده و اطلاعات آنها با استفاده از API Facebook Graph بازيابي مي شود. در مرحله بعد ، ويژگي ها از اطلاعات استخراج شده و در آزمايش ها مورد بررسي قرار مي گيرند."
سونگرام اثربخشي طبقه بندي كننده هاي مختلف را در شناسايي صفحات غيرقابل اعتماد و قابل اعتماد ارزيابي كرد. وي دريافت كه KNN بهترين طبقه بندي كننده است و با دقت 88.67 درصد بدست آمده است. او همچنين براي درك بهتر آنچه كه معمولاً صفحات قابل اعتماد يا غيرقابل اعتماد را توصيف مي كند ، تجزيه و تحليل ويژگي هاي صفحه فيس بوك را انجام داد.
سونگرام در مقاله خود نوشت: "براي صفحات غيرقابل اعتماد ، تعداد روزهاي بين تاريخ آخرين ارسال تا تاريخ بازيابي زياد است و تعداد ارسال در هفته (فركانس ارسال) بسيار اندك است." "اين نشان مي دهد كه صفحات غير قابل اعتماد فعال نيستند ، در حالي كه صفحات قابل اعتماد فعال هستند."
سونگرام اظهار داشت كه ميزان افرادي كه در مورد صفحات غيرقابل اعتماد به صورت آنلاين بحث مي كنند به ميزان قابل توجهي كمتر از افرادي است كه درباره صفحات قابل اعتماد صحبت مي كنند. توضيح احتمالي براي اين امر اين است كه اغلب كاربران متوجه مي شوند كه صفحات غيرقابل اعتماد هستند و از اين رو به صورت آنلاين درباره آنها صحبت نمي كنند. ارسالها در صفحات قابل اعتماد همچنين حاوي URL هاي بسيار بيشتري نسبت به صفحات غيرقابل اعتماد و همچنين اطلاعات بيشتر در مورد شركت و محصولات / خدمات آن است.
سونگرام با استفاده از 10 ويژگي برتر براي تعيين قابليت اطمينان صفحه فيسبوك ، به 37/91 درصد رسيد. در آينده ، يافته هاي وي مي تواند به پيشرفت ابزارهاي مؤثرتري براي شناسايي سريع صفحات غيرقابل اعتماد فيس بوك كمك كند.
http://ztndz.com/story7344476/پمپ-وكيوم-اصفهان
برچسب: ،