आकड़ों पर आधारित वास्तविक समय में ट्विटर स्पैम का पता लगाना

ट्विटर स्पैम वर्तमान में एक गंभीर समस्या बन गया है। हाल के कार्यों में ट्विटर स्पैम पहचान के लिए मशीन लर्निंग तकनीकों को लागू करने पर ध्यान केंद्रित किया गया है, जो ट्वीट्स के सांख्यिकीय गुणों का उपयोग करते हैं। हालांकि, हमारे लेबल वाले ट्वीट्स डेटा सेट में, हम देखते हैं कि स्पैम ट्वीट्स के सांख्यिकीय गुण समय के साथ बदलते हैं, और इस प्रकार, मौजूदा मशीन लर्निंग आधारित वर्गीकरण प्रयोजनों की सफलता घटती है। इस समस्या को 'ट्विटर स्पैम ड्रिफ्ट' के रूप में जाना जाता है। इस समस्या का समाधान करने के लिए, हम पहले एक मिलियन स्पैम ट्वीट्स और एक मिलियन गैर-спैम ट्वीट्स के सांख्यिकीय गुणों पर गहन विश्लेषण करते हैं, और फिर एक नया Lfun योजना प्रस्तावित करते हैं। प्रस्तावित योजना लेबल रहित ट्वीट्स से 'बदले हुए' स्पैम ट्वीट्स का पता लगा सकती है और उन्हें वर्गीकरण के प्रशिक्षण प्रक्रिया में शामिल कर सकती है। प्रस्तावित योजना का मूल्यांकन करने के लिए कई प्रयोग किए गए। परिणाम दिखाते हैं कि हमारी प्रस्तावित Lfun योजना वास्तविक जीवन के परिदृश्यों में स्पैम पहचान सटीकता को महत्वपूर्ण रूप से सुधार सकती है।