تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله کاربرد روش SVM موازی ارتقا یافته مبتنی بر هستی شناسی در آموزش فیلترینگ مقیاس پذیر هرزنامه – نشریه الزویر

عنوان فارسی: کاربرد روش SVM موازی ارتقا یافته مبتنی بر هستی شناسی در آموزش فیلترینگ (فیلتر کردن) مقیاس پذیر هرزنامه (اسپم)
عنوان انگلیسی: An ontology enhanced parallel SVM for scalable spam filter training
تعداد صفحات مقاله انگلیسی : 13 تعداد صفحات ترجمه فارسی : 32 (شامل 1 صفحه رفرنس انگلیسی)
سال انتشار : 2013 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده و pdf
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
پایگاه : اسکوپوس نوع ارائه مقاله : ژورنال
ایمپکت فاکتور(IF) مجله : 5.188 در سال 2018 شاخص H_index مجله : 110 در سال 2019
شاخص SJR مجله : 0.996 در سال 2018 شناسه ISSN مجله : 0925-2312
شاخص Q یا Quartile (چارک) : Q1 در سال 2018 کد محصول : 9955
محتوای فایل : zip حجم فایل : 4.21Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی کامپیوتر و فناوری اطلاعات، اینترنت و شبکه های گسترده، امنیت اطلاعات
مجله: محاسبات عصبی - Neurocomputing
دانشگاه: دانشکده مهندسی و طراحی ، دانشگاه برونل ، انگلستان
کلمات کلیدی: فیلترینگ (فیلتر کردن) هرزنامه، ماشین بردار پشتیبان (SVM)، رایانش (محاسبات) موازی، طبقه بندی، نگاشت کاهش
کلمات کلیدی انگلیسی: Spam filtering - Support vector machine - Parallel computing - Classification - MapReduce
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/10.1016/j.neucom.2012.12.001
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. کارهای مرتبط

3. موازی سازی SVM با نگاشت کاهش

4. تقویت هستی شناسی

5. نتایج تجربی

5-1 راندمان روش SMO موازی

5-2 مقایسه با یک SMO مبتنی بر MPI

5-3 دقت روش SMO موازی

5-4 ارزیابی روش SMO موازی با استفاده از روش های گروهی

5-5 تقویت هستی شناسی

6. نتیجه گیری ها و کار آتی

منابع

نمونه متن انگلیسی

Abstract

Spam, under a variety of shapes and forms, continues to inflict increased damage. Varying approaches including Support Vector Machine (SVM) techniques have been proposed for spam filter training and classification. However, SVM training is a computationally intensive process. This paper presents a MapReduce based parallel SVM algorithm for scalable spam filter training. By distributing, processing and optimizing the subsets of the training data across multiple participating computer nodes, the parallel SVM reduces the training time significantly. Ontology semantics are employed to minimize the impact of accuracy degradation when distributing the training data among a number of SVM classifiers. Experimental results show that ontology based augmentation improves the accuracy level of the parallel SVM beyond the original sequential counterpart.

نمونه متن ترجمه

چکیده

هرزنامه در هر نوع و شکلی همچنان به طور فزاینده به آسیب رسانی خود ادامه می دهد. روش های مختلفی از جمله تکنیک های ماشین بردار پشتیبان (SVM) برای آموزش فیلترینگ هرزنامه و طبقه بندی آن ها پیشنهاد داده شده است. با این حال، آموزش SVM یک فرآیند به شدت محاسباتی است. با این حال، آموزش SVM یک فرآیند به شدت محاسباتی است. این مقاله یک الگوریتم SVM موازی مبتنی بر نگاشت کاهش را برای آموزش فیلتر مقیاس پذیر هرزنامه ارائه می کند. با توزیع، پردازش و بهینه سازی زیرمجموعه های داده های آموزش در بین چندین نود رایانه ای مشارکت کننده، روش SVM موازی زمان آموزش را به طور قابل توجهی کاهش می دهد. مفاهیم هستی شناسی برای به حداقل رساندن تاثیر افت دقت در حین توزیع داده های مورش در بین برخی از طبقه بندی کننده های SVM به کار گرفته می شوند. نتایج تجربی (آزمایشی) نشان می دهند که تقویت مبتنی بر هسته شناسی سبب بهبود سطح دقت تکنیک SVM موازی فراتز ار تکنیک ترتیبی اصلی می شود.

محصولات مشابه