Journal: IEEE 2017,
بسیاری از تکنیک‌های موجود برای تشخیص هرزنامه در توییتر با هدف شناسایی و مسدود کردن کاربرانی که تویت¬های اسپم ارسال می‌کنند، ایجاد شده است. در این مقاله، ما یک چارچوب تشخیص نیمه نظارتی هرزنامه (S3D) به‌منظور شناسایی و تشخیص هرزنامه‌ها در سطح تویت پیشنهاد می‌کنیم. چارچوب پیشنهاد حاوی دو ماژول اصلی است: ماژول تشخیص اسپم که به‌صورت بلادرنگ عمل می‌کند و ماژول به‌روزرسانی که به‌صورت دسته‌ای عمل می‌کند. ماژول تشخیص اسپم شامل چهار تشخیص‌دهنده سبک‌وزن است: 1) تشخیص‌دهنده دامنه‌های مسدود شده به‌منظور برچسب‌گذاری تویت هایی که شامل URL های مسدود شده هستند. 2) تشخیص‌دهنده نزدیک به کپی که برای برچسب‌گذاری تویت هایی که با اطمینان تقریباً کپی شده تویت های از قبل برچسب‌گذاری شده هستند، استفاده می¬شود 3) تشخیص‌دهنده محدوده قابل‌اطمینان که برای برچسب‌گذاری تویت هایی که توسط کاربران قابل‌اعتماد پست می‌شوند و شامل کلمات اسپم نیستند، استفاده می‌شود 4) تشخیص‌دهنده مبتنی بر طبقه‌بندی کننده چندگانه که برای برچسب‌گذاری مابقی تویت های باقی‌مانده استفاده می‌شود. اطلاعات موردنیاز ماژول‌های تشخیص به‌صورت دسته‌ای بر مبنای تویت هایی که در پنجره‌های زمانی قبلی برچسب‌گذاری شده‌اند، به‌روزرسانی می‌شوند. آزمایشات بر روی مجموعه داده‌هایی با مقیاس بزرگ نشان می‌دهند که چارچوب پیشنهادی به‌صورت انطباقی قادر به یادگیری الگوهای فعالیت‌ اسپم‌های جدید بوده و دارای دقت خوبی در تشخیص اسپم در جریان یک تویت است.