ساخت طبقه بندی هرزنامه با استفاده از الگوریتم Naive Bayes

عکس پروفایل نویسنده

@بینیتابینتا جیاوالی

دانشمند اطلاعات ارشد در AID

در زندگی روزمره ما ایمیل های زیادی دریافت می کنیم. برخی از ایمیل ها مفید هستند و برخی دیگر نیز مفید نیستند. ایمیل ناخواسته ای که به صورت انبوه ارسال می شود ، ایمیل هرزنامه است. ما به طور کلی ایمیل هرزنامه نمی خواهیم ، بنابراین طبقه بندی کننده های هرزنامه آنها را قبل از اینکه در قسمت صندوق ورودی ما ظاهر شوند ، در پوشه های هرزنامه بیندازید.

به گفته استاتیستا ، اطراف 29٪ از ایمیل های ارسالی در سال 2019 ایمیل های هرزنامه بوده است. بررسی شده است که ایمیل های هرزنامه مانع رشد اقتصادی می شوند و باعث از بین رفتن میلیارد دلار تولید ناخالص داخلی می شوند. اگر شرکت ها در فناوری ضد هرزنامه سرمایه گذاری نکنند ، راو و رایلی ادعا می کنند که بیش از 1 تریلیون دلار ضرر اقتصادی دارند.

این آمار برای تأکید بر اهمیت فیلترهای هرزنامه کافی است. با افزایش پیشرفت در یادگیری ماشین و یادگیری عمیق روز به روز ، فیلترهای اسپم از آنها برای محافظت از مشتریان استفاده کرده اند و تا حدود زیادی نیز موفق بوده اند. از صرفه جویی در وقت خواندن ایمیل تا محافظت از مشتری در برابر تقلب ، فریب و فیشینگ ، فیلترهای اسپم در جلوگیری از ضرر و زیان و افزایش کارایی کارهای بسیار خوبی انجام داده اند.

طبقه بندی ایمیل با استفاده از طبقه بندی های Naive Bayes

امروز ، بیایید با استفاده از یکی از ساده ترین تکنیک ها به نام طبقه بندی ساده لوحانه بیز ، طبقه بندی ایمیل هرزنامه را خراش دهیم. طبقه بندی کننده های Naive Bayes طبقه بندی هایی هستند که براساس قضیه Bayes ساخته شده اند ، یک …

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>