Uporaba umetne inteligence za detekcijo neželenih SMS sporočil: analiza metod in eksperimentalna validacijaIkovic, Žiga (Avtor) Dobrovoljc, Andrej (Mentor) umetna inteligencaSMS detekcijastrojno učenjegloboko učenjeV magistrskem delu je raziskana uporaba metod umetne inteligence za detekcijo neželenih SMS sporočil, pri čemer so primerjane tradicionalne tehnike, algoritmi strojnega učenja in modeli globokega učenja. V teoretičnem delu je opravljen sistematičen pregled literature, ki vključuje metode na osnovi pravil, algoritme strojnega in globokega učenja ter hibridne modele. Empirični del je temeljil na UCI SMS Spam Collection zbirki, ki je bila predhodno očiščena, normalizirana, tokenizirana in podvržena vektorizaciji oziroma vdelavi besed. Izvedeni so bili poskusi z metodami Multinomial Naive Bayes, Support Vector Machine, Random Forest, Convolutional Neural Network in Bidirectional LSTM, pri čemer sta MNB ter SVM dosegla najvišji F1-score, algoritma globokega učenja pa sta pokazala konkurenčno natančnost. Tradicionalne metode so bile najhitrejše, globoki modeli so zahtevali največje računske vire, pri čemer je BiLSTM izkazal najboljšo stabilnost rezultatov med modeli globokega učenja. Glavne ugotovitve iz literature kažejo, da globoki modeli prinašajo višjo povprečno natančnost, medtem ko ostajajo tradicionalni algoritmi strojnega učenja zelo učinkoviti. Zaradi specifičnih lastnosti SMS sporočil in širokega nabora pregledane literature nismo povsem uspeli ponoviti ugotovitev iz literature. Čeprav so naši rezultati pokazali, da so modeli strojnega učenja nekoliko bolj učinkoviti, smo lahko potrdili visoko učinkovitost tako modelov strojnega kot tudi globokega učenja.Ž. Ikovic20252026-06-19 11:26:40Magistrsko delo/naloga14068UDK: 004.8:621.395(043.5)COBISS_ID: 282234115sl