SpamDam: 面向隐私保护和对抗性短信垃圾检测的研究

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本研究提出了一种名为GCN-based Anti-Spam(GAS)模型的基于图卷积神经网络(GCN)的大规模反垃圾邮件方法。该模型整合了异构图和同构图以捕获评论的局部和全局上下文,在离线实验和在线性能上表现优于基线模型,并解决了闲鱼反垃圾邮件系统面临的数据规模和垃圾邮件挑战。

🎯

关键要点

  • 提出了一种名为GCN-based Anti-Spam(GAS)模型的反垃圾邮件方法。
  • 该模型基于图卷积神经网络(GCN)。
  • 整合了异构图和同构图以捕获评论的局部和全局上下文。
  • 在离线实验和在线性能上表现优于基线模型。
  • 解决了闲鱼反垃圾邮件系统面临的数据规模和垃圾邮件挑战。
➡️

继续阅读