{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,14]]，“日期-时间”：“2024-06-14T15:12:54Z”，“时间戳”：1718377974341}，“引用-计数”：35，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts”：[[2018,6,1]]，“时间”：”2018-06-01T00:00:00Z“，”timestamp“：1527811200000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[应用软件计算“]，”published-print“：{”date-parts“：[2018,6]]}，”DOI“：”10.1016\/j.asoc.2017.09.032“，”type“：”journal-article“，”created“：{“date-parts”：[[2017,9,22]]，“date-time”：“2017-09-22T23:15:50Z”，“timestamp”：1506122150000}，“page”：“920-932”，“update-policy”：”http:\/\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：54，“title”：[“SpamSpotr:基于Facebook智能决策支持系统的高效垃圾邮件发送者检测框架”]，“prefix”：“10.1016”，“volume”：“67”，“author”：[{“给定”：“Shailendra”，“family”：“Rathore”，“sequence”：“first”，“affiliation”：[]}，{“给出”：“Vincenzo”，“家族”：“Loia”，“序列”：“additional”，“从属关系”：[]}，}“ORCID”：”http://\/ORCID.org\/00000-0003-1831-0309“，”authenticated-ORCID“：false，”给定“：”Jong Hyuk“，”family“：”驻车“，”序列“：”附加“，“affiliation”：[]}]，“member”：“78”，“reference”：[{“issue”：“1”，“key”：“10.1016\/j.asoc.2017.09.032_bib0005”，“first page”：”1“，“article-title”：“使用用户的个性化信息\u2019在线社交网络：一个citeulike案例研究”，“volume”:“11”，“author”：“Lee”，“year”：“2015”，“journal title”：”JIPS：“10.1016\/j.asoc.2017.09.032_bib0010”，“doi-asserted-by”：“crossref”，“first page”：“25”，“doi”：“10.1186\/s13673-015-0042-1”，”article-title“：“为专业社交网络设计通用演员模型的方法”，“volume”：”5“，”author“：”Ninawe“，”year“2015”，“journal-title”：“Hum.Centric Compute.Inf.Sci.”}，{“key”：“10.1016\/j.asoc.2017.09.032_bib0015”，“doi-asserted-by”：“crossref”，“first page”：“827”，“doi”：“10.106\/j-asoc.2015.02.023”，“article-title”：“不完全语言信息语境下基于信任的社交网络共识模型”，“volume”：”35“author”：“Wu”，“year”：“2015”，“journal-title“：”Appl.Soft Compute.“}，{”key“：“10.1016\/j.asoc.2017.09.032_bib0020”，“非结构化”：“Zephoria Digital Marketing，The Top 20 Valueable Facebook Statistics\u2013 2017年1月更新。https:\/\/zephoria.com/top-15-valuable-facebook-statistics\/（2017年1月1日访问）。“｝，｛”key“：”10.1016\/j.asoc.2017.09032_bib0025“，”系列标题“：”IEEE国际大数据分析会议（ICBDA）“，”首页“：”1“，”文章标题“：”在线社交网络高效垃圾邮件检测“，”作者“：”Xu“，”年份“：”2016“｝，｛”key“：”10.1016\/j.asoc.2017.09032_bib0030“，”非结构化“：”Nexgate，《2013年社交媒体垃圾邮件现状研究报告》。http://\/nexgate.com/wp-content\/uploads\/2013\/09\/nexgate-2013-State-of-Social-Media-Spam-Research-Report.pdf（2016年1月2日访问）。“｝，｛”key“：”10.1016\/j.asoc.2017.09032_bib0035“，”系列标题“：”第十届ACM SIGCOMM互联网测量会议论文集“，”首页“：”35“，”文章标题“：”检测和表征社交垃圾邮件活动“，”作者“：”高“，”年份“：”2010“｝，｛”key“：”10.1016\/j.asoc.2017.09032_bib0040“，”系列标题“：”第26届计算机安全应用年会论文集，ACM“，“首页”：“1”，“文章标题”：“检测社交网络上的垃圾邮件发送者”，“作者”：“Stringhini”，“年份”：“2010”}，{“问题”：“10”，“密钥”：“10.1016\/j.asoc.2017.09.032_bib0045”，“doi-asserted-by”：“crossref”，“首页面”：“1120”，“doi”：“10116\/j.com.2013.04.004”，“文章标题“：“在线社交网络中垃圾邮件检测的通用统计方法”，“卷”：“36”，“作者”：“Ahmed”，“年份”：“2013”，“期刊标题”：“Comput。公社。“}，{”key“：”10.1016\/j.asoc.2017.09.032_bib0050“，”unstructured“：”V.Kacholia，A.Garg，D.Stoutamire，基于概念聚类的用户生成多媒体项目的垃圾邮件检测，美国专利9208157（2015年12月8日）。“}检测社交网络上的\u201cSmart\u201d垃圾邮件发送者：一种主题模型方法”，“author”：“Liu”，“year”：“2016”}，{“key”：“10.1016\/j.asoc.2017.09.032_bib0060”，“doi-asserted-by”：“crossref”，“doi”：“101109\/TIFS.2016.2621888”，“article-title”：“基于统计特征的漂移推特垃圾邮件实时检测”，“作者”：“陈”，“年份”：“2017”，“journal-title“：”IEEE Trans。Inf.法医安全。“}，{”issue“：”2“，”key“：”10.1016\/j.asoc.2017.09.032_bib0065“，”doi-asserted-by“：”crossref“，”first page“：“193”，”doi“：”101007\/s12046-015-0460-9“，“article-title”：“使用基于内容和链接的技术检测垃圾邮件网页”，“volume”：“41”，“author”：“Roul”，“year”：“2016”，“journal-title“：”Sadhana“}”，{“key”：”10.12016 \/j.asoc.2017.09.032_bib0070“，”series-title“：“2015年第四届智能计算前沿国际会议论文集：理论与应用”，“首页”：“517”，“文章标题”：“使用salsa在Hyves中进行无监督垃圾邮件检测”，“作者”：“Agrawal”，“年份”：“2016”}，{“问题”：“12”，“关键”：“10.1016\/j.asoc.2017.09.032_bib0075”，“doi-asserted-by”：“crossref”，“首页“：”1458“，”DOI“：”10.14778\/3402755.3402795“，”article-title“：”基于数据挖掘的社交媒体网络垃圾邮件检测系统“，”volume“：”4“，”author“：”Jin“，”year“：”2011“，”journal-title”：“VLDB Endowment的会议记录”}，{“key”：“10.1016\/j.asoc.2017.09.032_bib0080“，”series-title“：“NDSS，vol.12”，“首页”：“1”，“article-title”：“面向社交网络中的在线垃圾邮件过滤”，“author”：“Gao”，“year”：“2012”}，{“key”：“10.1016\/j.asoc.2017.09.032_bib0085”，“series-title”：“第二十六届AAAI人工智能会议”，“首页”：“1”，“article-title”：《在社交网络中发现垃圾邮件制造者》，“auther”：“Zhu”，“年份”：“2012}”，{”key“10.1016 \/j-asoc.2019.032_bb0090”，“series-title“：”IJCAI，vol.13，Citeser“，“first page”：“2633”，“article-title”：“微博中的社交垃圾信息发送者检测”，“author”：“Hu”，“year”：“2013”}，{“issue”：“1”，“key”：”10.1016\/j.asoc.2017.09.032_bib0095“，”first pages“：”1“，”article-title“：“Spade:a Social-spam analysis and detection framework”，”volume“：”4“，”author“：”Wang“，“year:”“2014年”journal-title“：”Soc.Netw。分析。Mining“}，{“key”：“10.1016\/j.asoc.2017.09.032_bib0100”，“unstructured”：“Govtnaukries，You Won\u2019t Ever Use Head and Shoulder Shampoo After Watching-This-Video-Facebook-Spam\u2013 Facebook垃圾邮件。http://www.govtnaukeries.com\/You-ont-Ever-Use-Head-and-Shoulder-Shampoo-After-Watching-tis-Video-Facebook Spam\/（访问日期：2017年1月5日）。”}，“{”10.1016\/j.asoc.2017.09.032_bib0105“，”非结构化“：”C.Wisniewski，什么是\u201clikejacking\u201d？https:\/\/www.sophos.com/en-us\/security-news-trends\/security趋势\/what-is-likejacking.aspx（2017年1月5日访问）。“}，{”key“：”10.1016\/j.asoc.2017.09.032_bib0110“，”unstructured“：”R.Hiscott，Hashtag初学者指南，http://\/mashable.com/2013\/10\/08\/what-is-Hashtag\/#i0IsnwOnYPqB（2017年1月6日访问）。“}Facebook for Developers，Graph API Explorer。https:\/\/developers.facebook.com/tools\/explorer（2017年1月6日访问）。“}，{”key“：”10.1016\/j.asoc.2017.09.032_bib0120“，”series-title“：”IJCAI 2001人工智能实证方法研讨会，第3卷“，”首页“：”41“，”article-title“：“Naive Bayes分类器的实证研究”，“author”：“Rish”，“year”：“2001”}，“issue”：“3”，“key”：“10.1016\/j.asoc.2017.09032_bib 0125”，“doi-asserted-by”：“crossref”，“首页“：”27“，”DOI“：”10.1145\/1961189.1961199“，”article-title“：”Libsvm:支持向量机库“，”volume“：”2“，”author“：”Chang“，”year“：”2011“，”journal-title”：“ACM Trans。英特尔。系统。Technol公司。“}，{”key“：”10.1016\/j.asoc.2017.09.032_bib0130“，”unstructured“：”Weka 3:Java中的数据挖掘软件。http://www.cs.waikato.ac.nz\/ml\/Weka\/（2017年1月6日访问）。问题“：”3“，”密钥“：”10.1016\/j.asoc.2017.09.032_bib0140“，“首页”：“18”，“文章标题”：“按随机森林分类和回归”，“卷”：“2”，“作者”：“Liaw”，“年份”：“2002”，“新闻标题”：《R News》}，{“issue”：“1”，“key”：“10.1016//j.asoc.2017.09032_bip0145”，“doi-asserted-by”：“crossref”，”首页“：“99”，“doi”：“101016”\/j.inffus.2004.04.001“，”文章标题“：”使用人工数据在集合中创造多样性“，”卷“：“6”，”作者“：”梅尔维尔“，”年份“：”2005“，”日志标题“：”Inf.Fusion“}，{“key”：“10.1016\/j.asoc.2017.09.032_bib0150”，“series-title”：“C4.5：机器学习编程”，“author”：“Quinlan”，“year”：“1993”}，”关键字“：”10.1016\/j.asoc.2017.09032_bib 0155“，”非结构化“：”类JRIP。http://\/weka.sourceforge.net\/doc.stable\/weka \/classifiers\/rules\/JRip.html。“}，{”issue“：”2“，”key“：”10.1016\/j.asoc.2017.09.032_bib0160“，”doi-asserted-by“：”crossref“，”first page“：“1883”，”doi“：”10.4249\/schoolarpedia.1883“，”article-title“：”K-near neighbor“，”volume“:”4“，”author“：”Peterson“，”year“：”2009“，”journal-title”：“scholarpedia”}，”{“key”：“10.1016\\j.asoc.2017.09.032_bib0165“，”doi-asserted-by“：”crossref“，”首页“：”191“，”DOI“：”10.2307\/2347628“，”article-title“：”logistic回归中的岭估计“，”author“：”Le Cessie“，”year“：”1992“，”journal-title”：“Appl。Stat.“}，{”issue“：”3“，”key“：”10.1016\/j.asoc.2017.09.032_bib0170“，”first page“：“436”，”article-title“：”基于使用模式的手机电池放电率预测的两个机器学习模型“，”volume“：：”12“，”author“：”Chantrapornchai“，”year“：”2016“，”journal-title”：“j.Inf.Process.Syst.”}，”{“key”：“10.1016//j.asoc.2017.032_bib 0175”，“doi-asserted-by“：”crossref“，”first page“：”504“，”doi“：”10.1016\/j.asoc.2014.11.023“，”article-title“：”软件故障预测机器学习技术的系统综述“，”volume“：“27”，”author“：”Malhotra“，“year”：“2015”，”journal-title”：“Appl”。软计算。“}]，”container-title“：[”Applied Soft Computing“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S1568494617305719？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”https:\/\/api.elsevier.com/content\/article\/PII:S1568494617305719？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2020,10,18]]，“date-time”：“2020-10-18T04:23:51Z”，“timestamp”：1602995031000}，“score”：1，“resource”：{“primary”：{-“URL”：“https:\\/linkinghub.elsevier.com//retrieve\/pii\/S156848 94617305719“}}，”副标题“：[]，”短标题“：[]，”已发布“：{“date-parts”：[[2018,6]]}，“references-count”：35，“alternative-id”：[“S1568494617305719”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.asoc.2017.09.032”，“relationship”：{}，”ISSN“：[”1568-4946“]，”ISSN-type“：[{“value”：“1568-4946]，”type“print”}]，“subject”：[]，“published”：{“date-parts”：[[2018,6]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，{”value“：”SpamSpotter:一个基于Facebook智能决策支持系统的高效垃圾邮件发送者检测框架“，”name“：”articletite“，”标签“：”article Title“}”，{“value”：“Applied Soft Computing”，“name”：“journaltitle”，“label”：“Journal Title”}https://doi.org/10.1016\/j.asoc.2017.09.032“，”name“：”articlelink“，”label“：”CrossRef doi链接到出版商维护的版本“｝，｛”value“：”article“，”name“：”content_type“，”label“：”content type“｝，”value“：”\u00a9 2017 Elsevier B.V.保留所有权利。”，“name”：“copyright”，“label”：“copyright”｝]｝