MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Spam and Phishing Detection
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

516 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
516 travaux dans la cohorte · sur 4 299 418page 1 sur 11

Les étiquettes couvrent 1 des 516 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 516 des 516 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

afffundnon étiqueté
Deception detection for news: Three types of fakes
Victoria L. Rubin, Yimin Chen, Nadia Conroy
2015· article· en· Proceedings of the Association for Information Science and Technology· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
544
citations
affnon étiqueté
The socialbot network
Yazan Boshmaf, Ildar Muslukhov, Konstantin Beznosov, Matei Ripeanu
2011· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
442
citations
affnon étiqueté
Email Spam Filtering: A Systematic Review
Gordon V. Cormack
2008· review· en· Foundations and Trends® in Information Retrieval· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
254
citations
afffundsans résuménon étiqueté
Cost-sensitive three-way email spam filtering
Bing Zhou, Yiyu Yao, Jigang Luo
2013· article· en· Journal of Intelligent Information Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
193
citations
affnon étiqueté
Email classification with co-training
Svetlana Kiritchenko, Stan Matwin
2011· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
191
citations
affsans résuménon étiqueté
Detecting Malicious URLs Using Lexical Analysis
Mohammad Saiful Islam Mamun, Muhammad Ahmad Rathore, Arash Habibi Lashkari, Natalia Stakhanova, Ali A. Ghorbani
2016· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
187
citations
afffundnon étiqueté
Battling the internet water army
Cheng Chen, Kui Wu, Venkatesh Srinivasan, Xudong Zhang
2013· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
184
citations
venueno affnon étiqueté
Academic Search Engine Optimization (<scp>ASEO</scp>)
Béla Gipp, Erik Wilde
2009· article· en· Journal of Scholarly Publishing· Computer Science
prédiction distillée:candidate · scholarly_communication+research_integrityconsensus · scholarly_communication
166
citations
affnon étiqueté
Spam and the ongoing battle for the inbox
Joshua Goodman, Gordon V. Cormack, David Heckerman
2007· article· en· Communications of the ACM· Computer Science
prédiction distillée:candidate · open_scienceconsensus · aucune
164
citations
affnon étiqueté
Spam filtering for short messages
Gordon V. Cormack, José María Gómez Hidalgo, Enrique Puertas
2007· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
138
citations
affnon étiqueté
Online supervised spam filter evaluation
Gordon V. Cormack, Thomas R. Lynam
2007· article· en· ACM Transactions on Information Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
117
citations
afffundsans résuménon étiqueté
A Three-Way Decision Approach to Email Spam Filtering
Bing Zhou, Yiyu Yao, Jigang Luo
2010· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communicationconsensus · aucune
111
citations
fundno affsans résuménon étiqueté
A deep learning model for Twitter spam detection
Zulfikar Alom, Barbara Carminati, Elena Ferrari
2020· article· en· Online Social Networks and Media· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
110
citations
affnon étiqueté
Detecting visually similar Web pages
Teh-Chung Chen, Scott Dick, James Miller
2010· article· en· ACM Transactions on Internet Technology· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
98
citations
fundno affnon étiqueté
SMSAssassin
Kuldeep Singh Yadav, Ponnurangam Kumaraguru, Atul Goyal, Ashish Gupta, Vinayak Naik
2011· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
94
citations
fundno affsans résuménon étiqueté
The Dimensions of Reputation in Electronic Markets
Anindya Ghose, Panagiotis G. Ipeirotis, Arun Sundararajan
2009· article· en· SSRN Electronic Journal· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
87
citations
afffundsans résuménon étiqueté
App store mining is not enough for app improvement
Maleknaz Nayebi, Henry Cho, Guenther Ruhe
2018· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
84
citations
affnon étiqueté
Uncovering Susceptibility Risk to Online Deception in Aging
Natalie C. Ebner, Donovan M. Ellis, Tian Lin, Harold A. Rocha, Huizi Yang, Sandeep Dommaraju +5 autres
2018· article· en· The Journals of Gerontology Series B· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
80
citations
affnon étiqueté
What Mobile Ads Know About Mobile Users
Sooel Son, Daehyeok Kim, Vitaly Shmatikov
2016· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
78
citations
affnon étiqueté
Spam Review Detection Using Deep Learning
G. M. Shahariar, Swapnil Biswas, Faiza Omar, Faisal Muhammad Shah, Samiha Binte Hassan
2019· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
77
citations
affsans résuménon étiqueté
Email mining: tasks, common techniques, and tools
Guanting Tang, Jian Pei, Wo-Shun Luk
2013· article· en· Knowledge and Information Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
73
citations
affnon étiqueté
Purchase intention in an electronic commerce environment
Mahmud Akhter Shareef, Yogesh K. Dwivedi, Vinod Kumar, Gareth Davies, Nripendra P. Rana, Abdullah M. Baabdullah
2018· article· en· Information Technology and People· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
65
citations
affsans résuménon étiqueté
Developing an Immunity to Spam
Terri Oda, Tony White
2003· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
64
citations

En coulisses: Sélection · Constats · À propos