%0 Journal Article %T بررسی تأثیر استفاده از روش‌های یادگیری ماشین تجمعی در شناسایی نظر‌‌های هرز بر اساس ویژگی‌های رفتاری %J مجله علمی رایانش نرم و فناوری اطلاعات %I دانشگاه صنعتی نوشیروانی بابل %Z 2383-1006 %A محمدی, شهریار %A موسوی, میررضا %D 2020 %\ 09/22/2020 %V 9 %N 3 %P 132-147 %! بررسی تأثیر استفاده از روش‌های یادگیری ماشین تجمعی در شناسایی نظر‌‌های هرز بر اساس ویژگی‌های رفتاری %K نظر‌‌های هرز %K یادگیری ماشین %K روش‌های تجمعی %K ویژگی‌های رفتاری %R %X یکی از تأثیرگذارترین ارتباط‌ها در اینترنت، نظر‌‌هایی است که توسط افراد مصرف‌کننده یک محصول به‌عنوان تجربه استفاده، در اختیار افراد خواهان خرید محصول قرار می‌گیرد. استفاده سودجویان از این فرصت انتقال تجربه، به‌منظور ارتقا یا تنزل ارزش یک خدمت یا محصول خاص به‌ناحق، باعث قرارگیری نظر‌‌های آن‌ها در دسته نظر‌‌های هرز می‌شود. ازاین‌رو شناسایی این نظرها با استفاده از روش‌های یادگیری ماشین و یادگیرنده‌های تجمعی به مبحثی داغ در میان محققان تبدیل شده است. هدف این مطالعه بررسی تأثیر استفاده از روش‌های یادگیری ماشین تجمعی در شناسایی اینگونه نظرها با استفاده از ویژگی‌های رفتاری است. بررسی‌های اخیر نشان داده است که روش‌های تجمعی مورد استفاده در این مطالعه در ادغام با ویژگی‌های متنی علاوه بر تحمیل بار محاسباتی بیشتر قادر به ارتقای عملکرد بهترین الگوریتم‌‌های پایه نیستند. در این مطالعه علاوه‌بر شناسایی بهترین یادگیرنده‌های پایه و تجمعی در استفاده از ویژگی‌های رفتاری به‌دنبال آن هستیم که آیا می‌توان با استفاده از این ویژگی‌ها و یادگیرنده‌های تجمعی به دقتی بیشتر و یا تغییر محسوسی در عملکرد مدل دست یابیم. بدین منظور از هفت یادگیرنده پایه و چهار یادگیرنده تجمعی دسته‌بندی، تقویت‌سازی، جنگل تصادفی و درخت اضافی استفاده شد و نتایج حاصل با نتایج استفاده از ویژگی‌های متنی مورد مقایسه قرار گرفت. ارزیابی‌ها نشان‌دهنده عملکرد بهتر یادگیرنده پایه درخت تصمیم به‌همراه روش تجمعی تقویت‌سازی در حالت استفاده از مجموعه‌داده نامتوازن و روش تجمعی دسته‌بندی در استفاده از مجموعه‌داده متوازن و هم‌چنین تغییر محسوس‌تر عملکرد بهترین الگوریتم‌ پایه، توسط یادگیرنده‌های تجمعی، در استفاده از ویژگی‌های رفتاری نسبت به متنی است. %U https://jscit.nit.ac.ir/article_107647_bc401cb4aff47a5cda40f4f9631a3331.pdf