دوره 8، شماره 27 - ( 2-1397 )                   جلد 8 شماره 27 صفحات 21-36 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

FATHIAN M, HAZRATGHOLIZADEH R. A proper method for the advertising email classification based on user’s profiles. فصلنامه فناوری اطلاعات. 2018; 8 (27) :21-36
URL: http://iranaict.ir/journal/article-1-345-fa.html
فتحیان محمد، حضرتقلی زاده رحیم. ارائه روشی مناسب برای دسته بندی نامه های الکترونیکی تبلیغاتی بر مبنای پروفایل کاربران. فصلنامه فناور اطلاعات و اتباطات ایران. 1397; 8 (27) :21-36

URL: http://iranaict.ir/journal/article-1-345-fa.html


علم و صنعت ایران
چکیده:   (1083 مشاهده)
به طور کلی، تعریف هرزنامه در ارتباط با رضایت یا عدم رضایت گیرنده است نه محتوای نامه الکترونیکی. بر طبق این تعریف، مشکلاتی در دسته بندی نامه های الکترونیکی در بازاریابی و تبلیغات مطرح می شود. برای مثال امکان دارد بعضی از نامه های الکترونیکی تبلیغاتی، برای عده ای از کاربران هرزنامه و برای عده ای دیگر هرزنامه نباشد. برای مقابله با این مشکل با توجه به پروفایل و رفتار کاربران، ضد هرزنامه های شخصی طراحی می شود .به طور عادی برای دسته بندی هرزنامه‌ها، روشهای یادگیری ماشینی با دقت خوب به کار می رود. اما در هر حال یک روش منحصر به فرد موفق بر مبنای دیدگاه تجارت الکترونیک وجود ندارد. در این مقاله ابتدا پروفایل جدیدی برای شبیه سازی بهتر رفتار کاربران ، تهیه می شود .سپس این پروفایل همراه با نامه های الکترونیکی به دانشجویان ارائه شده و پاسخ آنها جمع آوری می گردد . در ادامه برای دسته بندی نامه های الکترونیکی، روشهای مشهور به ازای مجموعه داده های مختلف آزمایش می شود .سرانجام ، با مقایسه معیارهای ارزیابی داده کاوی ،شبکه عصبی به عنوان بهترین روش با دقت بالا ، تعیین می گردد.
متن کامل [PDF 880 kb]   (330 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فناوری اطلاعات و ارتباطات
دریافت: ۱۳۹۲/۹/۲۵ | پذیرش: ۱۳۹۵/۳/۱۸ | انتشار: ۱۳۹۷/۲/۱۸

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved |

Designed & Developed by : Yektaweb