| Titre : | Détection de spam avec l’apprentissage profond |
| Auteurs : | Boudia amine, Directeur de thèse ; Saria Redouane, Auteur ; Hacherouf Nour El Islam, Auteur |
| Type de document : | texte imprimé |
| Editeur : | univ DR taher moulay saida, 2020 |
| Format : | 50 p / ill / 29 cm |
| Accompagnement : | CD rom |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | Spam ; architecture d'apprentissage profond ; réseaux de neurones convolutifs (CNN): réseaux de neurones récurrents (RNN). |
| Résumé : |
Le courrier électronique rend vraiment service aux usagers, c’est un moyen rapide et
économique pour échanger des informations. Cependant, les utilisateurs se retrouvent assez vite submergés de quantités de messages indésirables appelé aussi spam. Le spam est rapidement devenu un problème majeur sur Internet. Dans cet article, nous proposons une nouvelle collecte de spam SMS réel, public et non encodé qui est la plus importante à notre connaissance. De plus, nous comparons les performances obtenues par plusieurs méthodes d'apprentissage en profondeur établies Dans le cadre de notre travail, la classification des courriers électronique est effectuée à l'aide de deux architectures d'apprentissage profond : Les réseaux de neurones convolutifs (CNN), Les réseaux de neurones récurrents(RNN). L’efficacité de ces classificateurs est testée avec des différentes représentations on utilisant le corpus smsSpamCollection. Les résultats des tests montrent que CNN est plus performant par rapport aux RNN. |
| Note de contenu : |
Chapitre 1 : Détection des spams
Chapitre 2: l'apprentissge profond (deep learning) Chapitre 3: conception et implémentation |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
Détection de spam avec l’apprentissage profond Adobe Acrobat PDF |
