تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله کاربرد تکنیک SVM موازی مبتنی بر MapReduce در پالایش (فیلترینگ) اسپم ها در مقیاس وسیع – نشریه IEEE

عنوان فارسی: کاربرد تکنیک SVM موازی مبتنی بر MapReduce در پالایش (فیلترینگ) اسپم ها در مقیاس وسیع
عنوان انگلیسی: A MapReduce based Parallel SVM for Large Scale Spam Filtering
تعداد صفحات مقاله انگلیسی : 4 تعداد صفحات ترجمه فارسی : 12
سال انتشار : 2011 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده و pdf
نوع مقاله : ISI نوع ارائه مقاله : کنفرانس
کد محصول : 9938 وضعیت ترجمه : ترجمه شده و آماده دانلود
محتوای فایل : zip حجم فایل : 1.68Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی کامپیوتر و فناوری اطلاعات، هوش مصنوعی، رایانش ابری، اینترنت و شبکه های گسترده
کنفرانس: هشتمین کنفرانس بین المللی سیستم های فازی و کشف دانش - Eighth International Conference on Fuzzy Systems and Knowledge Discovery
دانشگاه: دانشکده مهندسی و طراحی، دانشگاه برونل، انگلستان
کلمات کلیدی: یادگیری ماشین، طبقه بندی، مفاهیم هستی شناسی، ماشین بردار پشتیبانی، رایانش موازی
کلمات کلیدی انگلیسی: Machine Learning - Classification - Ontology Semantics - Support Vector Machine - Parallel Computing
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1109/FSKD.2011.6020074
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1. مقدمه

2. توزیع SVM با استفاده از MapReduce

3. هستی شناختی به منظور افزایش دقت

4. نتایج تجربی

5. نتیجه گیری ها و کار آتی

منابع

نمونه متن انگلیسی

Abstract

Spam continues to inflict increased damage. Varying approaches including Support Vector Machine (SVM) based techniques have been proposed for spam classification. However, SVM training is a computationally intensive process. This paper presents a parallel SVM algorithm for scalable spam filtering. By distributing, processing and optimizing the subsets of the training data across multiple participating nodes, the distributed SVM reduces the training time significantly. Ontology based concepts are also employed to minimize the impact of accuracy degradation when distributing the training data amongst the SVM classifiers.

نمونه متن ترجمه

چکیده

هرزنامه ها (اسپم ها) همچنان خسارت های زیادی را تحمیل می کنند. روش های مختلف از جمله تکنیک های مبتنی بر ماشین بردار پشتیبانی (SVM) برای طبقه بندی اسپم ها پیشنهاد داده شده است. با این حال، آموزش SVM یک فرآیند به شدت محاسباتی است. این مقاله یک الگوریتم SVM موازی را برای پالایش مقیاس پذیر اسپم ها ارائه می کند. از طریق توزیع، پردازش و بهبود زیرمجموعه های داده های آموزش در میان نودهای مختلف شرکت کنندع، روش SVM توزیع شده سبب کاهش قابل توجه زمان آموزش می شود. مفاهیم مبتنی بر هستی شناسی نیز برای به حداقل رساندن تاثیر افت دقت در هنگام توزیع داده های آموزش در بین طبقه بندی کننده های SVM به کار گرفته می شوند.

محصولات مشابه