spam detection using machine learning

Abstract

"طور البريد الإلكتروني ليصبح أحد أقوى وسائل الاتصال وأكثرها فعالية من حيث التكلفة. أدى ارتفاع عدد المشتركين في البريد الإلكتروني إلى ارتفاع كبير في عدد المشتركين في البريد الإلكتروني في رسائل البريد الإلكتروني العشوائية في السنوات الأخيرة. نظرًا لأن مرسلي البريد العشوائي لا يزالون يحاولون إيجاد طريقة لتجاوز الفلاتر الموجودة ، أصبح من المهم إنشاء عوامل تصفية جديدة للبريد العشوائي. كجزء من هذا العمل ، تم تصنيف رسائل البريد الإلكتروني باستخدام ستة خوارزميات مهمة: (SVM ، NB و RandomForest و XGBoost و Decision Tree و KNN). يتم اختبار فعالية هذه الخوارزميات بطرق تمثيل مختلفة باستخدام مجموعة البيانات ويتم تحديد الأفضل لتصفية البريد العشوائي""Email has developed into one of the most powerful and cost-effective means of communication. The rise in the number of email subscribers has resulted in a large spike in spam emails in recent years. Since spammers are still trying to find a way past the existing filters, it has become important to create new spam filters. As part of this work, emails were classified using six important algorithms: (SVM, NB, RandomForest, XGBoost, Decision Tree and KNN). The effectiveness of these algorithms is tested with different representation methods using the dataset and the best is selected to filter spam"