Spam filtering algorithm for live chat

อัลกอริทึมในการจำแนกข้อความสแปมจากสนทนาแบบสด

Name: Sawita Yousukkee

LCSH: Machine translating

LCSH: Algorithms

LCSH: Spam filtering (Electronic mail)

LCSH: Online chat groups

LCSH: Internet Relay Chat

LCSH: Real-time data processing

LCSH: Human behavior

LCSH: Live streaming

Abstract: This research focused on the study of users’ behavior and chat message characteristics in the live chat of YouTube live streaming. We analyzed YouTube live streaming comments to understand spammers’ behavior. Seven user’s behavior features and message characteristic features were comprehensively analyzed. In particular, we explored whether different potential markers in user comments, such as word count per chat message, relevant score using bag-of-words, similarity between comments, polarity of the comments, number of chat messages, interarrival time of chat messages, and time duration that a user spent in a live chat be used to effectively differentiate spammers from normal users and proposes a development framework for YouTube live chat detection. According to our findings, features that performed best in terms of run time and classification efficiency is the relevant score (M2) together with the time spent in live chat (B2) and the similarity score (M3). Moreover, it was found that decision tree classification techniques is suitable for spam filtering for live chat because it has the highest accuracy and the smallest processing time which prevents the delay from queuing to done the classification. It can lead to the creation of a simulator that can work efficiently with the accuracy of 98% and take less processing time which suitable for working on real-time systems.

Abstract: งานวิจัยนี้มุ่งเน้นการศึกษาพฤติกรรมของผู้ใช้ ในการส่งข้อความสนทนาสดบนสตรีมมิ่งแบบเรียลไทม์ของ YouTube โดยทำการวิเคราะห์ความคิดเห็น หรือข้อความสนทนาแบบเรียลไทม์ เพื่อทำความเข้าใจพฤติกรรมของผู้ใช้ และสแปมเมอร์ โดยพฤติกรรมการสนทนาแบบเรียลไทม์ของผู้ใช้ และรูปแบบของข้อความที่ใช้ในการสนทนาถูกนำมาวิเคราะห์อย่างละเอียด เพื่อหาคุณลักษณะที่เหมาะสม และนำมาใช้ในการจำแนกข้อความของการสนทนาแบบเรียลไทม์ และระบุตัวตนของ ผู้ใช้ได้อย่างมีประสิทธิภาพ โดยผลการทดลองพบว่า คุณลักษณะที่สามารถจำแนกประเภทของข้อความในการสนทนาแบบเรียลไทม์ที่มีประสิทธิภาพมากที่สุด และใช้เวลาในการทำงานน้อยที่สุด คือ คะแนนความเกี่ยวข้องของข้อความ (Relevant Score : M2) เมื่อทำงานร่วมกับคะแนนความคล้ายคลึงของข้อความ (Similarity Score : M3) และระยะเวลาที่ใช้ในการสนทนาแบบสด (Duration : B2) และจากผลการทดลอง พบว่า เทคนิคที่เหมาะสมสำหรับการจำแนกประเภทของข้อความแบบเรียลไทม์ ได้แก่ การจำแนกประเภทแบบต้นไม้ตัดสินใจ (Decision Tree) เนื่องจากมีความแม่นยำสูงสุด และใช้เวลาในการประมวลผลน้อยที่สุด ซึ่งช่วยป้องกันความล่าช้าในการจัดคิวเพื่อดำเนินการจัดประเภทของข้อความสนทนา และนำไปสู่การสร้างแบบจำลองที่สามารถทำงานได้อย่างมีประสิทธิภาพ ผลของการจำแนกข้อความมีความถูกต้อง (Accuracy) สูงถึง 98 เปอร์เซ็นต์ และใช้เวลาในการประมวลผลน้อยลง ซึ่งเหมาะสำหรับการทำงานบนระบบเรียลไทม์

Address: BANGKOK

Email: library@kmutnb.ac.th

Name: Nawaporn Wisitpongphan

Role: dissert advisors

Email : nawaporn.w@it.kmutnb.ac.th

Created: 2020

Modified: 2022-01-10

Issued: 2565-01-10

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Doctor of Philosophy

Level: Doctoral Degree

Descipline: Information Technology (International Program)

Grantor: King Mongkut's University of Technology North Bangkok

©copyrights King Mongkut's University of Technology North Bangkok

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B17536844.pdf	5.56 MB	17	2026-05-26 18:16:01

ใช้เวลา

0.027995 วินาที