The growth of mobile phone users ha

The growth of mobile phone users has lead to a dramatic
increasing of SMS spam messages. In practice, fighting mobile phone spam is difficult by several factors, including the
lower rate of SMS that has allowed many users and service
providers to ignore the issue, and the limited availability of
mobile phone spam-filtering software. On the other hand,
in academic settings, a major handicap is the scarcity of
public SMS spam datasets, that are sorely needed for validation and comparison of different classifiers. Moreover,
as SMS messages are fairly short, content-based spam filters may have their performance degraded. In this paper,
we offer a new real, public and non-encoded SMS spam collection that is the largest one as far as we know. Moreover,
we compare the performance achieved by several established
machine learning methods. The results indicate that Support Vector Machine outperforms other evaluated classifiers
and, hence, it can be used as a good baseline for further
comparison

Kết quả (Việt) 1:

Sự tăng trưởng của người sử dụng điện thoại di động đã dẫn đến một ấn tượnggia tăng các tin nhắn spam SMS. Trong thực tế, chống thư rác điện thoại di động là khó khăn bởi một số yếu tố, bao gồm cả cácCác tỷ lệ thấp hơn của tin nhắn SMS đã cho phép nhiều người dùng và các dịch vụbỏ qua vấn đề này, và sự sẵn có giới hạn của các nhà cung cấpđiện thoại di động phần mềm lọc spam. Mặt kháchọc cài đặt, một handicap chính là sự khan hiếmkhu vực SMS spam datasets, mà là đau đớn cần thiết để xác nhận và so sánh các máy phân loại khác nhau. Hơn nữa,như tin nhắn SMS là khá ngắn, bộ lọc spam nội dung dựa trên có thể có hiệu suất của chúng suy thoái. Trong bài báo này,chúng tôi cung cấp một thực tế, công chúng và không mã hóa tin nhắn SMS rác bộ sưu tập mới đó là một trong những lớn nhất như xa như chúng tôi biết. Hơn nữa,chúng tôi so sánh hiệu suất đạt được bằng một số thiết lậpCác phương pháp học máy tính. Kết quả chỉ ra rằng máy vectơ hỗ trợ nhanh hơn so với máy phân loại đánh giá khácvà, do đó, nó có thể được sử dụng như một đường cơ sở tốt để tiếp tụcso sánh

Kết quả (Việt) 2:

Sự tăng trưởng của người sử dụng điện thoại di động đã dẫn đến một kịch tính
ngày càng tăng của thư rác tin nhắn SMS. Trong thực tế, chống thư rác điện thoại di động là rất khó bởi nhiều yếu tố, bao gồm cả
tỷ lệ thấp hơn của SMS đó đã cho phép nhiều người sử dụng và dịch vụ
cung cấp để bỏ qua vấn đề này, và sự sẵn có hạn chế về
điện thoại di động phần mềm lọc thư rác. Mặt khác,
trong môi trường học thuật, một cản trở lớn nhất là sự khan hiếm của
các tập dữ liệu thư rác tin nhắn SMS nào, mà vô cùng cần thiết để xác nhận và so sánh các phân loại khác nhau. Hơn nữa,
như tin nhắn SMS là khá ngắn, các bộ lọc thư rác dựa trên nội dung có thể có hiệu suất của họ bị suy thoái. Trong bài báo này,
chúng tôi cung cấp một bộ sưu tập thư rác thực, công khai và không được mã hóa tin nhắn SMS mới là lớn nhất một xa như chúng ta biết. Hơn nữa,
chúng tôi so sánh hiệu suất đạt được nhiều thành lập
các phương pháp học máy. Kết quả chỉ ra rằng Support Vector Machine nhanh hơn so với phân loại đánh giá khác
, và do đó, nó có thể được sử dụng như một cơ sở tốt để biết thêm
so sánh