Title:
Enhancement model to detect Arabic spam email using deep learning
/ by Ahmad Taha Mahmoud al-khawaldeh ; supervised by Dr. Faisal al-Saqar, Dr. Atallah al-Shatnawi. نموذج محسن لكشف رسائل البريد الالكتروني العشوائية للنصوص العربية باستخدام التعلم العميق
نموذج محسن لكشف رسائل البريد الالكتروني العشوائية للنصوص العربية باستخدام التعلم العميق نموذج محسن لكشف رسائل البريد الالكتروني العشوائية للنصوص العربية باستخدام التعلم العميق
Author:
Al-khawaldeh, Ahmad Taha Mahmoud, author.
AL-Saqar, Faisal, supervisor.
al-Shatnawi, Atallah, co-supervisor.
Al al-Bayt University (AlMafraq, Jordan) Faculty of Prince hussein bin abdullah college for information technology. Department of Computer Science.
General Notes:
Thesis (M. Sc. in Computer Science)--Al al-Bayt University (AlMafraq, Jordan), Faculty of Prince hussein bin abdullah college for information technology, Department of Computer Science
, 2022.
Includes bibliographical references and index.
E-mail is a means of communication between people over the network by sending and receiving electronic messages. It is considered as a fast, easy to use, and cheap method. The number of users is constantly increasing because of its great importance among people, but the main problem that people suffer from is unwanted e-mail called spam. The number of e-mails sent over the network is increasing significantly, and this leads to the exhaustion of network resources and consumption of users’ time in reading spam e-mails. thus, many researchers have studied methods of detecting and classifying spam e-mail, especially in the English language, where they used many techniques and programs for filtering and detection about spam. But, there are a small number of researchers who used the Arabic language to classify spam e-mails. hence, the purpose of this thesis is to find a solution for many users of the Arabic language to detect spam dynamically. therefore, we used deep learning methods such as Artificial Neural Network (ANN), Recurrent Neural Network (RNN) and proposed model Convolution Neural Network (CNN) with embedding words and comparing of result accuracy, precision, F1-score and recall them with the traditional machine learning methods such as: Support System Machines (SVM), Decision Tree (DT), Naïve Bayesian (NB) and Logic Regression (LR). The proposed model used the CNN method achieved the best result among applied algorithms with an accuracy of 93%.
البريد الالكتروني هي وسيلة اتصال بين الاشخاص عبر الشبكة وذلك بارسال واستقبال الرسائل الالكترونية وتعتبر وسيلة سريعة وسهلة الاستخدام ورخيصة. يزداد عدد المستخدمين للبريد الالكتروني باستمرار لما له من اهمية كبيرة بين الناس. لكن المشكلة الرئيسية التي يعاني منها الناس هي البريد الالكتروني الغير مرغوب فيها وتسمى spam emails)) . يتزايد عدد الرسائل الالكترونية المرسلة عبر الشبكة بشكل كبير، وهذا يؤدي الى استنزاف موارد الشبكة واستهلاك وقت المستخدمين في قراءة البريد الالكتروني الغير مرغوب . لذلك قام العديد من الباحثين في دراسة طرق الكشف عن البريد الالكتروني الغير مرغوب وتصنيفها وخاصة في اللغة الانجليزية حيث استخدموا العديد من تقنيات وبرامج التصفية. في الجانب الاخر هناك عدد قليل من الباحثين استخدموا اللغة العربية في تصنيف البريد الالكتروني غير المرغوب. الغاية من هذه الاطروحة هو ايجاد حل لكثيير من مستخدمي اللغة العربية للكشف عن البريد الالكتوني غير المرغوب spam emails)) بشكل ديناميكي.، حيث قام الباحث باستخدام تقنيات التعلم العميق مثل الشبكة العصبية الاصطناعية و الشبكة العصبية المتكررة ونموذج المقترح الشبكة العصبية الالتفافية مع تضمين الكلمات ومقارنتها مع خوارزميات التعلم الالي التقليدي مثل آلات نظام الدعم وشجرة القرار و ساذج بايزي ومنطق الانحدار. وقد حقق النموذج المقترح باستخدام تقنية الشبكة العصبية الالتفافية(CNN) على افضل نتيجة بين الخوارزميات المطبقة بدقة تساوي ٩٣%.
The electronic version is available in theses database \\ University of Jordan.
Includes abstracts in Arabic and English.
Subject:
Computer science
Deep Learning
Spam (Electronic mail)
Neural networks (Computer science)
Natural language processing (Computer science)
Arabic character sets (Data processing)
Decision Trees.
Support vector machines
Electronic mail systems -- Computer programs.
Dissertation Note:
Thesis (M. Sc. in Computer Science)--Al al-Bayt University (AlMafraq, Jordan), Faculty of Prince hussein bin abdullah college for information technology, Department of Computer Science
, 2022.
Physical Description:
1CD-ROM : PDF.
Publication Date:
2022.
Log in
Help
