...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>ACM journal of data and information quality >Data Quality Challenges in Social Spam Research
【24h】

Data Quality Challenges in Social Spam Research

机译：社会垃圾邮件研究中的数据质量挑战

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Spam on Online Social Networks (OSNs) has received a booming interest in the last few years. Following the rise of these platforms and their establishment as a ubiquitous part of the online existence, spammers have found in them an opportunity to make a lucrative business. A major part of the literature that aims at detecting spammers on OSNs uses the supervised learning model as the building schema of their contributions. This model assumes that it is possible to classify entities based on their statistical characteristics. A vital condition for the successful implementation of this model is to ensure that data is collected and labeled in a clean, accurate, and non-biased way, resulting in high-quality datasets.
机译：在线社交网络上的垃圾邮件（OSNS）在过去几年中获得了蓬勃发展的兴趣。 在这些平台的崛起及其建立中作为在线存在的无处不在的部分，垃圾邮件发送者已经发现了一个制定利润丰厚的业务的机会。 旨在检测OSNS垃圾邮件发送者的文献的主要部分使用监督学习模型作为其贡献的建筑模式。 该模型假设可以基于其统计特征对实体进行分类。 成功实施此模型的重要条件是确保收集数据并以干净，准确和非偏见的方式收集和标记，从而产生高质量的数据集。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号