Please use this identifier to cite or link to this item:
Title: Αυτόματo Φιλτράρισμα Ανεπιθύμητης Ηλεκτρονικής Αλληλογραφίας με Χρήση Μεθόδων Μηχανικής Μάθησης
Keywords: Μηχανική Μάθηση;φιλτράρισμα ηλεκτρονικής αλληλογραφίας;Εξόρυξη Γνώσης;Κατηγοριοποίηση;Machine Learning;Data Mining;Classification;e-mail filtering
Issue Date: 2014
Abstract: Η Πτυχιακή Εργασία αφορά τον αυτόματο έλεγχο ενός μηνύματος ηλεκτρονικής αλληλογραφίας, έτσι ώστε αυτό να ελεγχθεί αν είναι ανεπιθύμητο, με την χρήση μεθόδων Μηχανικής Μάθησης. Όπως είναι ευρέως γνωστό, η κατηγοριοποίηση ενός μηνύματος ηλεκτρονικής αλληλογραφίας αποτελεί ένα από τα πλέον γνωστότερα προβλήματα κατηγοριοποίησης. Οι μέθοδοι Μηχανικής Μάθησης είναι γνωστές για την διαδεδομένη χρήση τους πάνω σε προβλήματα κατηγοριοποίησης, αφού ο τρόπος λειτουργίας τους βασίζεται απλά στην εκπαίδευση ενός κατηγοριοποιητή με βάση κάποια δεδομένα εκπαίδευσης. Στην συγκεκριμένη μελέτη εξετάζονται 5 μέθοδοι μηχανικής μάθησης (Naïve Bayes, Bayes-Nets, Decision Trees, SVM, MLP) για την κατηγοριοποίηση μηνυμάτων ηλεκτρονικής αλληλογραφίας. Οι 5 μέθοδοι αξιολογούνται πειραματικά πάνω σε 6 σύνολα δεδομένων και τα αποτελέσματα παρουσιάζονται συγκριτικά, τόσο στο ποσοστό επιτυχίας κατά την κατηγοριοποίηση των μηνυμάτων όσο και κατά την χρονική τους συμπεριφορά.
Appears in Collections:ΠΛΗ40 Πτυχιακές Εργασίες

Files in This Item:
File Description SizeFormat 
HOU-CS-UGP-2014-04.pdfΚυρίως σώμα2.6 MBAdobe PDFView/Open
EmailSpamDetection.zipΣυνοδευτικό υλικό12.62 MB.zipView/Open

Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.