Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/sbai-2019-111345
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!O avanço de tecnologias tem tornado indivíduos e organizações dependentes de e-mails para comunicação e compartilhamento. O uso crescente de e-mail tem levado à produção de mensagens comerciais não-solicitadas, conhecidas como spam. Sistemas de classificação de spam capazes de se adaptar ao longo do tempo, sem intervenção humana, são raros. A adaptação é interessante já que spams variam no tempo devido ao uso de diferentes técnicas de mascaramento. Além disso, modelos classificadores que lidam com grandes volumes de dados são essenciais. Sistemas evolutivos adaptam seus parâmetros e estrutura com o fluxo de dados. Este estudo aplica os métodos TEDA e FBeM para classificação não-supervisionada. TEDA e FBeM são comparados em acurácia, compactação, e tempo de processamento. Para redução da dimensionalidade, um método não-paramétrico baseado em correlação de Spearman é empregado. Uma base contendo 25745 amostras, sendo 7830 spams 17915 e-mails legítimos, e 711 atributos extraídos de um servidor é considerada.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo