Komparasi Deep Learning Dan Traditional Machine Learning Untuk Email Spam Filtering

Abstract

Electronic mail, atau email, adalah metode komunikasi menggunakan internet yang murah, efektif, dan cepat. Spam adalah jenis email di mana pesan yang tidak diinginkan, biasanya pesan komersial yang tidak diinginkan, didistribusikan dalam jumlah besar oleh spammer. Tujuan dari perilaku tersebut adalah untuk merugikan pengguna email; pesan-pesan ini perlu dideteksi dan dicegah agar tidak dikirim ke pengguna sejak awal. Untuk memfilter email ini, pengembang telah menggunakan metode pembelajaran mesin. karya ini membahas metode yang digunakan yaitu metode deep learning seperti LSTM. Model ini hanya didasarkan pada data email, dan kumpulan fitur ekstraksi dilakukan secara otomatis. Selain itu, pekerjaan ini memberikan perbandingan antara pembelajaran deep learning dan traditional machine learning pada kumpulan data spam untuk menemukan cara terbaik untuk deteksi intrusi. Hasilnya menunjukkan bahwa pembelajaran traditional machine learning menawarkan peningkatan kinerja presisi, daya ingat, dan akurasi. Sejauh yang kami ketahui, metode traditional machine learning sangat menjanjikan untuk dapat memfilter spam email, oleh karena itu kami telah melakukan perbandingan berbagai metode deep learning dengan metode traditional machine learning tradisional. Menggunakan dataset yang terdiri dari span dan ham sebanyak 5.575, skor akurasi tertinggi yang dicapai adalah 98% dari pembelajaran traditional machine learning.

GS Cited Analysis