Geri Dön

Etkili spam mesaj (SMS) tespiti için makine öğrenmesi yaklaşımları

Machine learning approaches for effective spam message (SMS) detection

PDF İndir

  1. Tez No: 991973
  2. Yazar: ŞÜHEDA ÖZKAYNAK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ URAZ YAVANOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Adli Bilişim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, kısa mesajlar (SMS) üzerinden iletilen spam içeriklerin etkin biçimde tespit edilmesi amacıyla geleneksel makine öğrenmesi yöntemleri ile transformer tabanlı derin öğrenme yaklaşımları karşılaştırmalı olarak incelenmiştir. Araştırmada, Kaggle üzerinde yer alan spam.csv veri seti ve TurkishSMS.csv kullanılarak TF-IDF tabanlı öznitelik çıkarımı sonrasında NB, SVM, DT, RF ve LR gibi sınıflandırıcılar değerlendirilmiştir. Bunun yanında bağlamsal temsil gücüne sahip BERT, DistilBERT, RoBERTa modelleri Fine-tuning yöntemiyle yeniden eğitilerek performansı ölçülmüştür. Veri kümelerindeki sınıf dengesizliği SMOTE yöntemiyle giderilmiş ve modeller doğruluk, hassasiyet, duyarlılık, F1-skoru ve ROC-AUC metrikleri üzerinden karşılaştırılmıştır. Elde edilen bulgular, geleneksel yöntemlerin hız ve düşük maliyet açısından avantaj sağladığını, ancak bağlamsal ilişkileri dikkate alan BERT tabanlı modellerin özellikle kısa ve anlam yoğun SMS'lerde daha yüksek başarı sunduğunu göstermektedir. Bu çalışma, SMS spam tespiti probleminde kullanılan farklı yaklaşımları karşılaştırmalı olarak değerlendirerek yöntemlerin güçlü ve zayıf yönlerini ortaya koymaktadır.

Özet (Çeviri)

This thesis comparatively examines traditional machine learning methods and transformer-based deep learning approaches for the effective detection of spam content transmitted via short messages (SMS). The study utilized the spam.csv and TurkishSMS.csv datasets from Kaggle, and after TF-IDF-based feature extraction, classifiers such as NB, SVM, DT, RF, and LR were evaluated. Additionally, contextually representative BERT, DistilBERT, and RoBERTa models were retrained using fine-tuning and their performance measured. Class imbalance in the datasets was corrected using the SMOTE method, and the models were compared using accuracy sensitivity, F1-score, and ROC-AUC metrics. The findings indicate that traditional methods offer advantages in terms of speed and low cost, but BERT-based models, which consider contextual relationships, offer higher success rates, especially in short and meaningful SMS messages. This study comparatively evaluates different approaches used in the SMS spam detection problem, revealing the strengths and weaknesses of each method.

Benzer Tezler

  1. Tez No

    967602

    Makine öğrenmesi yöntemleriyle doğruluğu yüksek SMS spam tespiti

    Highly accuracy SMS spam detection with machine learning methods

    TUĞÇE ŞENOL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HİDAYET TAKCI

  2. Tez No

    334851

    New approaches to enhancing the performance of text classification

    Metin sınıflandırma başarımını iyileştirmek için yeni yaklaşımlar

    ALPER KÜRŞAT UYSAL

    Doktora

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SERKAN GÜNAL

  3. Tez No

    296596

    İzinli e-posta aracılığıyla pazarlamaya ilişkin Anadolu Üniversitesi İ. İ .B .F. öğrencilerinin görüşlerinin belirlenmesine yönelik bir araştırma

    Authorized for marketing via e-mail at Anadolu University Faculty of Economics and Administrative Sciences research aimed at determining the views of students

    YASEMİN OKAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İşletmeAnadolu Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. SEVGİ AYŞE ÖZTÜRK

  4. Tez No

    275876

    Hazır giyim sanayiinde web tabanlı izinli pazarlama modeli geliştirilmesi

    Development of the web ?base permission marketing model in ready-made clothing industry

    YASEMİN CORCOR ŞENBAYRAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Tekstil ve Tekstil MühendisliğiMarmara Üniversitesi

    Tekstil Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. VEDAT DAL

    YRD. DOÇ. DR. İSMAİL USTA

  5. Tez No

    216494

    A testbed based analysis of SIP authentication

    Test ortamı tabanlı SIP kimlik tanıma analizi

    MUSTAFA SARIÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TUĞRUL YANIK

Geri Dön