Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

The Importance of Token Granularity Matching of Pre-trained Word Vectors for Deep Learning-Based Spam Classification

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F21%3A10441733" target="_blank" >RIV/00216208:11320/21:10441733 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1109/ICNLP52887.2021.00007" target="_blank" >https://doi.org/10.1109/ICNLP52887.2021.00007</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ICNLP52887.2021.00007" target="_blank" >10.1109/ICNLP52887.2021.00007</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    The Importance of Token Granularity Matching of Pre-trained Word Vectors for Deep Learning-Based Spam Classification

  • Popis výsledku v původním jazyce

    Spam email detection is a research hotspot, and the most efficient detection method is based on deep learning. In the context of the extensive use of pre-trained word vectors in deep neural networks, this paper studies the impact of pre-trained word vector models on the Text-CNN-based spam classification model, and uses token granularity matching technology to optimize the word2vec pre-trained word vector model in the vector representation on the spam email. By comparing the accuracy and time complexity of the spam classification with or without token granularity matching, it can be concluded that the Word2Vec pre-trained word vectors combined with token granularity processing can improve the performance of the Text-CNN model on spam email classification.

  • Název v anglickém jazyce

    The Importance of Token Granularity Matching of Pre-trained Word Vectors for Deep Learning-Based Spam Classification

  • Popis výsledku anglicky

    Spam email detection is a research hotspot, and the most efficient detection method is based on deep learning. In the context of the extensive use of pre-trained word vectors in deep neural networks, this paper studies the impact of pre-trained word vector models on the Text-CNN-based spam classification model, and uses token granularity matching technology to optimize the word2vec pre-trained word vector model in the vector representation on the spam email. By comparing the accuracy and time complexity of the spam classification with or without token granularity matching, it can be concluded that the Word2Vec pre-trained word vectors combined with token granularity processing can improve the performance of the Text-CNN model on spam email classification.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings - 2021 3rd International Conference on Natural Language Processing, ICNLP 2021

  • ISBN

    978-1-66541-411-1

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    129-133

  • Název nakladatele

    IEEE Conference Publishing Services

  • Místo vydání

    Piscataway

  • Místo konání akce

    Beijing

  • Datum konání akce

    26. 3. 2021

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku