論文の概要: Email Spam Detection Using Hierarchical Attention Hybrid Deep Learning Method

• arxiv url: http://arxiv.org/abs/2204.07390v1
• Date: Fri, 15 Apr 2022 09:02:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-18 18:36:13.442186
• Title: Email Spam Detection Using Hierarchical Attention Hybrid Deep Learning Method
• Title（参考訳）: 階層型注意ハイブリッド深層学習法を用いたメールスパム検出
• Authors: Sultan Zavrak and Seyhmus Yilmaz
• Abstract要約: 本稿では,畳み込みニューラルネットワーク,リカレントユニット,アテンションゲート機構を組み合わせたメールスパム検出手法を提案する。 提案手法は最先端のモデルと比較し,本手法の方が優れたことを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Email is one of the most widely used ways to communicate, with millions of people and businesses relying on it to communicate and share knowledge and information on a daily basis. Nevertheless, the rise in email users has occurred a dramatic increase in spam emails in recent years. Processing and managing emails properly for individuals and companies are getting increasingly difficult. This article proposes a novel technique for email spam detection that is based on a combination of convolutional neural networks, gated recurrent units, and attention mechanisms. During system training, the network is selectively focused on necessary parts of the email text. The usage of convolution layers to extract more meaningful, abstract, and generalizable features by hierarchical representation is the major contribution of this study. Additionally, this contribution incorporates cross-dataset evaluation, which enables the generation of more independent performance results from the model's training dataset. According to cross-dataset evaluation results, the proposed technique advances the results of the present attention-based techniques by utilizing temporal convolutions, which give us more flexible receptive field sizes are utilized. The suggested technique's findings are compared to those of state-of-the-art models and show that our approach outperforms them.
• Abstract（参考訳）: メールは最も広く使われているコミュニケーション方法の1つで、何百万人もの人や企業が、日々の知識や情報を伝達し、共有している。 それでも近年、スパムメールの利用者の増加は劇的に増加している。 個人や企業のメールの処理と管理はますます難しくなっている。 本稿では,畳み込みニューラルネットワーク,ゲートリカレントユニット,アテンション機構を組み合わせたメールスパム検出手法を提案する。 システムトレーニング中、ネットワークは電子メールテキストの必要な部分に選択的に集中する。 階層表現によるより有意義で抽象的で一般化可能な特徴を抽出するための畳み込み層の利用は、この研究の主要な貢献である。 さらに、このコントリビューションには、モデルのトレーニングデータセットからより独立したパフォーマンス結果の生成を可能にする、データセット間の評価が含まれている。 クロスデータセット評価の結果, 提案手法は, 時間的畳み込みを活用し, より柔軟な受容場サイズを実現することにより, 現在の注意力に基づく手法の結果を前進させる。 提案手法は最先端のモデルと比較し,本手法の方が優れたことを示す。

関連論文リスト

• Communication-Efficient Large-Scale Distributed Deep Learning: A Comprehensive Survey [43.57122822150023]
  本稿では,大規模分散ディープラーニングにおける効率的なコミュニケーションの実現を目的とした,アルゴリズムと技術に関する文献調査を行う。 まず,大規模分散学習の文脈において,モデル同期と通信データ圧縮のための効率的なアルゴリズムを導入する。 次に、分散トレーニングおよび推論におけるリソース割り当てとタスクスケジューリングに関する効率的な戦略を導入する。
  論文  参考訳（メタデータ） (2024-04-09T08:35:04Z)
• Data Augmentations in Deep Weight Spaces [89.45272760013928]
  そこで本研究では,Mixup法に基づく新しい拡張手法を提案する。 既存のベンチマークと新しいベンチマークでこれらのテクニックのパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2023-11-15T10:43:13Z)
• PROMINET: Prototype-based Multi-View Network for Interpretable Email Response Prediction [12.727146945870809]
  本研究では,メールデータからの意味情報と構造情報を組み込んだプロトタイプベースのマルチビューネットワーク(PROMINET)を提案する。 モデルマップは意味と構造を学習し、文書、文、フレーズなど、異なるレベルの粒度のトレーニングデータ中のサンプルを観察した。 学習したプロトタイプは、メールのテキスト編集を強化し、効果的なメール応答の可能性を高めるための提案を生成する可能性も示している。
  論文  参考訳（メタデータ） (2023-10-25T16:39:00Z)
• Reinforcement Learning Based Multi-modal Feature Fusion Network for Novel Class Discovery [47.28191501836041]
  本稿では,人間の認知過程をシミュレートするために強化学習フレームワークを用いる。 また,マルチモーダル情報から特徴を抽出・融合するマルチエージェントフレームワークをデプロイした。 我々は、OS-MN40、OS-MN40-Miss、Cifar10データセットを用いて、3Dドメインと2Dドメインの両方でのアプローチの性能を示す。
  論文  参考訳（メタデータ） (2023-08-26T07:55:32Z)
• Deep networks for system identification: a Survey [56.34005280792013]
  システム識別は、入力出力データから動的システムの数学的記述を学習する。 同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。 我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
  論文  参考訳（メタデータ） (2023-01-30T12:38:31Z)
• A Comparative Study of Data Augmentation Techniques for Deep Learning Based Emotion Recognition [11.928873764689458]
  感情認識のための一般的なディープラーニングアプローチを包括的に評価する。 音声信号の長距離依存性が感情認識に重要であることを示す。 スピード/レート向上は、モデル間で最も堅牢なパフォーマンス向上を提供する。
  論文  参考訳（メタデータ） (2022-11-09T17:27:03Z)
• EmailSum: Abstractive Email Thread Summarization [105.46012304024312]
  我々は,メールスレッド要約(EmailSum)データセットを抽象化的に開発する。 このデータセットには、人間による注釈付きショート(30ワード)と、2549のメールスレッドからなるロング(100ワード)のサマリーが含まれている。 本研究は,現在の抽象的要約モデルの課題を明らかにするものである。
  論文  参考訳（メタデータ） (2021-07-30T15:13:14Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• Dataset Condensation with Gradient Matching [36.14340188365505]
  本研究では,大規模なデータセットを,深層ニューラルネットワークをスクラッチからトレーニングするための情報的合成サンプルの小さなセットに凝縮させることを学習する,データセット凝縮という,データ効率のよい学習のためのトレーニングセット合成手法を提案する。 いくつかのコンピュータビジョンベンチマークでその性能を厳格に評価し、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-10T16:30:52Z)
• Distributed Learning in the Non-Convex World: From Batch to Streaming Data, and Beyond [73.03743482037378]
  分散学習は、多くの人々が想定する、大規模に接続された世界の重要な方向となっている。 本稿では、スケーラブルな分散処理とリアルタイムデータ計算の4つの重要な要素について論じる。 実践的な問題や今後の研究についても論じる。
  論文  参考訳（メタデータ） (2020-01-14T14:11:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。