چکیده:
در سال های اخیر، نظرات جعلی و اسپم مشکلی است که به شدت در حال گسترش و افزایش است . امروزه سایت های تجاری، هدف مناسبی برای تولیدکنندگان اسپم هستند. اغلب سایت های تجاری قسمتی برای نظرات کاربران دارند و کاربران میتوانند دیدگاه خود را درباره ی محصول انتشار دهند که اطلاعات ارزشمندی برای مشتریها و شرکت سازنده دارد. برای این که نظرات و تجربیات واقعی کاربران به درستی منعکس شود، شناسایی نظر جعلی بسیار مهم است . تشخیص نظرات جعلی و اسپم در نظرات به علت تکنیک ها و روش های جدید برای انجام این کار، بسیار پیچیده است . در مقاله می خواهیم با استفاده از الگوریتم های هوش گروهی به شناسایی اسپم ها با زمان کمتری بپردازیم .
خلاصه ماشینی:
"روش الگـوریتم بـه ایـن 6 Intelligent Water Drops 7 Extreme Learning Machine 8 single-hidden layer feedforward 9 Overfitting صورت می باشد که در ابتدا داده ها موجود در دیتاست را استخراج کرده و الگوریتم کلونی مورچگان در فضای پیوسته را روی داده های خوانده شده اعمال می کنیم نتایج بدست آماده به دو دسته کاربران عادی و کاربرات غیر عادی تقسیم میشود.
٦- نتایج شبیه سازی در الگوریتم پیشنهادی شناسایی اسپم در نظرات کاربران با یکی از الگوریتم هـای هـوش گروهـی بنـام الگـوریتم کلـونی مورچگان در فضای پیوسته و ادغام آن با یکی از الگوریتم های یادگیری ماشین بنام الگوریتم های یادگیری ماشـین افراطـی استفاده شده و با الگوریتم ماشین یادگیری افراطی به تنهای مورد بررسی و مقایسه قرار داده ایم که از نظر زمان برای آموزش و زمان تست که دو پارامتر در تشخیص کاربران اسپم هستند، نتیجه مطلوب تر و بهینه تری بدست آمده است .
جدول ٢: بررسی میانگین ویژگی زمان آموزش الگوریتم الگوریتم ماشین یادگیری افراطی به تنهای پیشنهادی 1,4520 0,9950 ٦-٢- بررسی زمان تست همانطورکه در شکل ٣ نمایش داده شده است نتایج بررسی زمان تست روش پیشنهادی با مقایسـه بـا الگـوریتم ماشـین یادگیری افراطی به تنهای بهینه تر و کاربردیتر میباشد.
جدول ٤: بررسی میانگین ویژگی زمان تست الگوریتم پیشنهادی الگوریتم ماشین یادگیری افراطی به تنهای 0,6250 0,8452 ٧- جمع بندی و نتیجه گیری در این مقاله به انجام شبیه سازی و بیان گزارش ها، نتایج و تحلیل های مربوط به آن هـا، بـرای ارزیـابی روش پیشـنهادی مطرح شده و مقایسه آن پرداختیم ."