دانلود با لینک مستقیم و پر سرعت .
دانلود مقاله انگلیسی به صورت رایگان از آدرس زیر:
دانلود رایگان مقاله انگلیسی
نوع مطلب: مقاله ترجمه شده با بهترین کیفیت و کاملا تخصصی
عنوان مقاله: بررسی نظرات اسپم با استفاده از تکنیک های یادگیری ماشین
سال انتشار: 2015
زبان مقاله: فارسی
قالب مقاله: ورد (Word)
تعداد صفحات: 35 صفحه (همراه با مراجع)
محل انتشار: ژورنال داده های بزرگ (Journal of Big Data)
اطلاعات مقاله انگلیسی:
عنوان مقاله: Survey of review spam detection using machine learning techniques
نوع مطلب: مقاله اشپرینگر (Springer)
سال انتشار: 2015
زبان مقاله: انگلیسی
قالب مقاله: پی دی اف (PDF)
تعداد صفحات: 24 صفحه تک ستونی
محل انتشار: ژورنال داده های بزرگ (Journal of Big Data)
تعداد ارجاع (Citation) تاکنون(اردیبهشت 95): 3
چکیده فارسی:
نظرات آنلاین(Online Reviews) اغلب فاکتور اصلی در تصمیم گیری مشتری برای خرید یک محصول یا سرویس هستند و یک منبع با ارزش اطلاعاتی برای دستیابی به افکار عمومی در مورد محصولات و خدمات به حساب می آیند. همچنین بدلیل تاثیری که دارند، تولید کنندگان و فروشندگان بشدت نگران بازخوردها و نظرات مشتریان هستند. اعتماد به نظرات آنلاین باعث افزایش نگرانی های بالقوه می شود چرا که مجرمان ممکن است نظرات کذبی را برای بالابردن و یا کاهش ارزش محصولات و خدمات بصورت مصنوعی ایجاد کنند. این تجربه به " نظر اسپم " opinion(Review) spam مشهور است. به این صورت اسپمرها (Spammers) به دستکاری و آلوده کردن نظرات برای رسیدن به منفعت و سود میپردازند( یعنی نظرات جعلی، غیر واقعی و فریبنده ای را تولید می کنند). از آنجایی که تمامی نظرات آنلاین واقعی و قابل اعتماد نیستند، توسعه روشهایی برای تشخیص نظر اسپم اهمیت دارد. با استخراج خصوصیات (Features) با معنی از متن با استفاده از پردازش زبان طبیعی (NLP)، تشخیص نظر اسپم با استفاده از تکنیک های یادگیری ماشینی مختلف ممکن خواهد بود. علاوه بر این، اطلاعات اظهار نظر کننده جدای از خود متن میتواند برای کمک به این فرآیند استفاده شود. در این مقاله، به بررسی تکنیک های اصلی یادگیری ماشینی که برای حل مسئله تشخیص نظر اسپم ارائه شده اند و عملکرد روشهای مختلف برای طبقه بندی و تشخیص نظر اسپم می پردازیم. بخش اعظم تحقیق حاضر بر متدهای یادگیری نظارتی که نیازمند داده های بر چسب زده شده اند تمرکز میکند، زمانی که این متدها وارد حوزه نظر اسپم انلاین میشوند با کمبود این نوع داده ها مواجه می گردند. از آنجایی که میلیونها نظر آنلاین وجود دارد و تعداد بسیاری از آنها روزانه تولید می شوند، بررسی متدها برای داده های بزرگ (Big Data) مورد توجه قرار گرفته اند. تاکنون مقاله ای را که بر تاثیرات تجزیه و تحلیل داده های بزرگ برای تشخیص نظر اسپم مطالعه کند، نیافته ایم. هدف اصلی این مقاله، ارائه یک تحقیق مقایسه ای جامع و قوی با استفاده از تکنیک های یادگیری ماشینی مختلف و ابداع یک متدلوژی برای هدایت تحقیقات بیشتر است.
کلمات کلیدی: نظر اسپم، نظر کاوی، وب کاوی، یادگیری ماشینی، داده بزرگ، طبقه بندی
چکیده انگلیسی:
Abstract
Online reviews are often the primary factor in a customer’s decision to purchase a product or service, and are a valuable source of information that can be used to determine public opinion on these products or services. Because of their impact, manufacturers and retailers are highly concerned with customer feedback and reviews. Reliance on online reviews gives rise to the potential concern that wrongdoers may create false reviews to artificially promote or devalue products and services. This practice is known as Opinion (Review) Spam, where spammers manipulate and poison reviews (i.e., making fake, untruthful, or deceptive reviews) for profit or gain. Since not all online reviews are truthful and trustworthy, it is important to develop techniques for detecting review spam. By extracting meaningful features from the text using Natural Language Processing (NLP), it is possible to conduct review spam detection using various machine learning techniques. Additionally, reviewer information, apart from the text itself, can be used to aid in this process. In this paper, we survey the prominent machine learning techniques that have been proposed to solve the problem of review spam detection and the performance of different approaches for classification and detection of review spam. The majority of current research has focused on supervised learning methods, which require labeled data, a scarcity when it comes to online review spam. Research on methods for Big Data are of interest, since there are millions of online reviews, with many more being generated daily. To date, we have not found any papers that study the effects of Big Data analytics for review spam detection. The primary goal of this paper is to provide a strong and comprehensive comparative study of current research on detecting review spam using various machine learning techniques and to devise methodology for conducting further investigation.
Keywords: Review spam; Opinion mining; Web mining; Machine learning; Big data; Classification
کلمات کلیدی:
مقاله با ترجمه، مقاله 2015 کامپیوتر با ترجمه، مقاله کامپیوتر، مقاله 2015 کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله ISI کامپیوتر با ترجمه، داده بزرگ، مقاله محاسبات ابری با ترجمه، مقاله رایانش ابری با ترجمه، مقاله داده کاوی با ترجمه،کاوش نظرات، کاوش داده های بزرگ، کاوش وب، کاوش متن، کاوش داده ها، مرور نظرات اسپم، کاوش مرور، کاوش نظرات، مقاله یادگیری ماشین با ترجمه، یادگیری ماشینی، ماشین یادگیری، تکنیک های با نظارت، تکنیک های با نظارتی، تکنیک های نظارتی یادگیری ماشینی، مقاله داده بزرگ و رایاننش ابری، مقاله اشپرینگر با ترجمه، داده های بزرگ، مقاله Big data ، مقاله Big Data با ترجمه، مقاله داده های حجیم با ترجمه، ابرداده ها، مقاله داده های عظیم با ترجمه، مقاله بیگ دیتا با ترجمه، مقاله داده عظیم با ترجمه، مقاله کلان داده با ترجمه، شاخص گذاری، ایندکسینگ، شاخص بندی در داده های بزرگ، کلان داده ها، شاخص بندی، شاخص گذاری، ایندکس کردن، سیستم هدوپ، نگاشت - کاهش، Big data, review mining, spam detection, review spam detection, machine learning, big data analytics
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه تخصصی با آدرس ایمیل:
IRTopArticle@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
شناسه ما در تلگرام:
@TopArticle
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
