SPAM DETECTION BY USING WORD-VECTOR LEARNING ALGORITHM IN ONLINE SOCIAL NETWORKS

Abstract

Sosyal medya spamı, profesyonellerin internet üzerinde sosyal ağlarda ele alması gereken en önemli sorunlardan biridir. Bu problem için, araştırmacılar çoğunlukla öğrenmeyi dikkate alan birkaç farklı yönteme dayalı bazı çözümler sunmuştur. Önceki çalışmalardan elde edilen sonuçlara dayalı olarak, şu anda kullanılan sosyal ağlarda e-posta gönderme ve alma ile ilgili istenmeyen hareketleri belirlemek için uygulanan sözde kara liste yöntemlerine dayalı araç ve teknikler iyi bir doğruluk oranına ulaşmıştır. Bununla birlikte, otomatik öğrenmeye dayanan yöntemler gerçek senaryolara oranla spam hareketlerini tespit edememektedir. Kara liste yöntemleri olarak adlandırılan yöntemlerin, böyle bir mesajın iletiminde karşılaşılan eksiklikleri karşılayamadığı görülmektedir. Çünkü Benzersiz Kaynak Konumlandırıcılarını (URL) manuel olarak kontrol etmek daha zaman alan bir iştir. Bu çalışmada, Twitter'da spam tespiti için bir derin öğrenme yöntemi sunulmuştur. Bu amaçla, temsile dayalı Word2Vec ilk önce eğitilmiştir. Sonra spam ve spam olmayan tweetleri ayırt etmek için ikili sınıflandırma yöntemleri kullanılmıştır. Tweetler üzerinde yapılan deneysel sonuçlar, seçilen yöntemlerin klasik yaklaşımlardan daha iyi performans gösterdiğini kanıtlamıştır. Anahtar Kelimeler: Spam tweetler; spam algılama; sınflandırma; derin öğrenme; Word2Vec algoritması; sosyal ağ.

Social media spam is one of the most important problems that professionals have to deal with in social networks on the internet. To solve this problem, the researchers have presented some solutions, mostly based on a number of different methods that take into account learning. The means and techniques used at the current time have achieved a good ratio of accuracy based on the so-called methods of blacklisting in order to determine undesirable activities in relation to sending and receiving an e-mail on social networks based on the conclusions obtained from previous experiments and studies. However, methods that rely on automated learning are not capable of detecting spam activities in proportion to real scenarios. We have seen that blacklist methods are not able to meet the disparities that we can see in activities related to the transmission of such messages, because manually checking Unique Resources Locators (URLs) is a time-consuming task. In this study, we present a deep learning method for spam detection in Twitter. For this purpose, the Word2Vec based on representation was first trained. We then used binary classification methods to distinguish between the spam and non-spam tweets. The empirical results conducted on tweets prove that the proposed methods outperform the classical approaches. Keywords: Spam Tweets; Spam Detection; classification; deep learning; Word2Vec algorithm; Social Network.