📄Работа №196401
Тема: МОДЕЛЬ РАСПОЗНАВАНИЯ ВРЕДОНОСНОЙ ИНФОРМАЦИИ НА ОСНОВЕ КРАУДСОРСИНГА ПОЛЬЗОВАТЕЛЕЙ
Тип работы
Магистерская диссертация
Предмет
информатика
Объем:
79 листов
Год:
2023
Просмотров:
37
4950
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ 3
1 Социальные сети и вредоносная информация 5
1.1 Платформы социальных сетей 5
1.2 Вредоносная информация в социальных сетях 7
1.3 Распространенные методы распознавания вредоносной информации 11
2 Модель распознавания вредоносной информации на основе краудсорсинга пользователей 18
2.1 Обзор Модели 18
2.2 Первая часть модели: Механизм оценки на уровне пользователя 23
2.3 Вторая часть модели: Механизм отбора краудсорсинга 30
2.4 Третья часть модели: Механизм расчета результатов краудсорсинга.. 33
2.5 Четвертая часть модели: Механизм обработки споров в краудсорсинге 37
2.6 Пятая часть модели: Механизм обработки сообщенного контента 42
2.7 Шестая часть модели: Механизм расчета баллов краудсорсинга 44
3 Валидация с помощью симуляции 48
3.1 Дизайн набора данных для симуляции 48
3.2 Дизайн модели симуляции 51
3.3 Анализ результатов симуляции 56
3.4 Сравнение моделей 59
ЗАКЛЮЧЕНИЕ 71
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 73
1 Социальные сети и вредоносная информация 5
1.1 Платформы социальных сетей 5
1.2 Вредоносная информация в социальных сетях 7
1.3 Распространенные методы распознавания вредоносной информации 11
2 Модель распознавания вредоносной информации на основе краудсорсинга пользователей 18
2.1 Обзор Модели 18
2.2 Первая часть модели: Механизм оценки на уровне пользователя 23
2.3 Вторая часть модели: Механизм отбора краудсорсинга 30
2.4 Третья часть модели: Механизм расчета результатов краудсорсинга.. 33
2.5 Четвертая часть модели: Механизм обработки споров в краудсорсинге 37
2.6 Пятая часть модели: Механизм обработки сообщенного контента 42
2.7 Шестая часть модели: Механизм расчета баллов краудсорсинга 44
3 Валидация с помощью симуляции 48
3.1 Дизайн набора данных для симуляции 48
3.2 Дизайн модели симуляции 51
3.3 Анализ результатов симуляции 56
3.4 Сравнение моделей 59
ЗАКЛЮЧЕНИЕ 71
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 73
📖 Введение
С появлением и быстрым развитием социальных сетей все больше пользователей наслаждаются удобством и преимуществами, которые они приносят. Однако развитие социальных платформ также привело к многим проблемам, среди которых особенно выделяется проблема вредоносной информации, которая стала крупным вызовом.
В ответ на вредоносную информацию, социальные сетевые платформы разработали различные методы распознавания, каждый из которых имеет свои достоинства и недостатки. Однако ни один единственный метод не может полностью сдержать распространение вредоносной информации.
Из-за огромного ущерба, наносимого вредоносной информацией, особенно с потенциалом вызвать вредные социальные события, точная распознавание вредоносной информации в социальных сетях имеет первостепенное значение.
Учитывая важность данного исследовательского поля, целью этой статьи является построение модели распознавания вредоносной информации на основе краудсорсинга пользователей и подтверждение ее эффективности с помощью симуляционных наборов данных и симуляционных моделей.
Задачи, связанные с достижением этой цели, следующие:
1. Исследовать взаимосвязь между платформами социальных сетей и вредоносной информацией.
2. Изучить распространенные методы распознавания вредоносной информации.
3. Исследовать преимущества и недостатки общих методов распознавания.
4. Создать модель распознавания вредоносной информации на основе краудсорсинга пользователей.
5. Выбрать инструменты для создания симуляционных наборов данных.
6. Выбрать инструменты для создания симуляционных моделей.
7. Использовать симуляционных моделей и симуляционных наборов данных для проверки эффективности теоретической модели.
Основное внимание в исследовании уделяется модели распознавания вредоносной информации на основе краудсорсинга пользователей для распознавания вредоносной информации на социальных сетевых платформах
В ответ на вредоносную информацию, социальные сетевые платформы разработали различные методы распознавания, каждый из которых имеет свои достоинства и недостатки. Однако ни один единственный метод не может полностью сдержать распространение вредоносной информации.
Из-за огромного ущерба, наносимого вредоносной информацией, особенно с потенциалом вызвать вредные социальные события, точная распознавание вредоносной информации в социальных сетях имеет первостепенное значение.
Учитывая важность данного исследовательского поля, целью этой статьи является построение модели распознавания вредоносной информации на основе краудсорсинга пользователей и подтверждение ее эффективности с помощью симуляционных наборов данных и симуляционных моделей.
Задачи, связанные с достижением этой цели, следующие:
1. Исследовать взаимосвязь между платформами социальных сетей и вредоносной информацией.
2. Изучить распространенные методы распознавания вредоносной информации.
3. Исследовать преимущества и недостатки общих методов распознавания.
4. Создать модель распознавания вредоносной информации на основе краудсорсинга пользователей.
5. Выбрать инструменты для создания симуляционных наборов данных.
6. Выбрать инструменты для создания симуляционных моделей.
7. Использовать симуляционных моделей и симуляционных наборов данных для проверки эффективности теоретической модели.
Основное внимание в исследовании уделяется модели распознавания вредоносной информации на основе краудсорсинга пользователей для распознавания вредоносной информации на социальных сетевых платформах
✅ Заключение
В ходе выполнения магистерской диссертации была разработана модель распознавания вредоносной информации на основе краудсорсинга пользователей, и ее эффективность и точность были подтверждены с помощью симуляционных наборов данных и симуляционных моделей.
При тестировании с использованием набора данных для симуляции общая точность симуляционной модели распознавания вредоносной информации, основанной на краудсорсинге пользователей, достигла 99.64%. В частности, точность распознавания модели для простого типа вредоносной информации составила 99.94%, для сложного типа вредоносной информации - 99.52%, а для очень сложного типа вредоносной информации - 96.15%.
При тестировании с использованием более сложного набора данных для симуляции общая точность симуляционной модели распознавания вредоносной информации, основанной на краудсорсинге пользователей, достигла 98.26%. В частности, точность распознавания модели для простого типа вредоносной информации составила 99.27%, для сложного типа вредоносной информации - 97.59%, а для очень сложного типа вредоносной информации - 92.29%.
В сравнении с моделью краудсорсинга пользователей Zhihu, симуляционная модель во всех отношениях показала более высокую точность.
В рамках магистерской диссертации были решены следующие задачи:
1. Исследовались социальные сетевые платформы и вредоносная информация.
2. Изучались текущие методы распознавания вредоносной информации, вместе с их преимуществами и недостатками.
3. Создавались модель распознавания вредоносной информации на основе краудсорсинга пользователей.
4. Разрабатывались симуляционные наборы данных с помощью Python.
5. Создавались симуляционные модели с использованием Python.
6. Подтверждались эффективность и точность модели с использованием симуляционных наборов данных и симуляционных моделей.
При тестировании с использованием набора данных для симуляции общая точность симуляционной модели распознавания вредоносной информации, основанной на краудсорсинге пользователей, достигла 99.64%. В частности, точность распознавания модели для простого типа вредоносной информации составила 99.94%, для сложного типа вредоносной информации - 99.52%, а для очень сложного типа вредоносной информации - 96.15%.
При тестировании с использованием более сложного набора данных для симуляции общая точность симуляционной модели распознавания вредоносной информации, основанной на краудсорсинге пользователей, достигла 98.26%. В частности, точность распознавания модели для простого типа вредоносной информации составила 99.27%, для сложного типа вредоносной информации - 97.59%, а для очень сложного типа вредоносной информации - 92.29%.
В сравнении с моделью краудсорсинга пользователей Zhihu, симуляционная модель во всех отношениях показала более высокую точность.
В рамках магистерской диссертации были решены следующие задачи:
1. Исследовались социальные сетевые платформы и вредоносная информация.
2. Изучались текущие методы распознавания вредоносной информации, вместе с их преимуществами и недостатками.
3. Создавались модель распознавания вредоносной информации на основе краудсорсинга пользователей.
4. Разрабатывались симуляционные наборы данных с помощью Python.
5. Создавались симуляционные модели с использованием Python.
6. Подтверждались эффективность и точность модели с использованием симуляционных наборов данных и симуляционных моделей.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.