虽然它可能会说,自从我们的祖先有恶意写洞穴的墙壁上用赭色的符号或第一个抄写员取得信件到古老的石碑,假新闻,垃圾邮件、恶意和威胁的话有脱颖而出的出现我们的无处不在和实时在线数字设备。我们可以称之为“可疑内容”。
新作品发表于 国际智能系统技术与应用杂志，开发了一个优化框架，用于检测文本主体中的可疑内容。该算法建立在一种生物范式上——蚁群的行为。
蚁群中的个体成员执行任务，并使用信息素与蚁群中的其他成员进行交流。它们可以一起解决相当复杂的问题，即使单个蚂蚁缺乏这样做的认知技能。在计算机科学中，单个蚂蚁的行为方式，每一个作为一个问题“空间”的代理，可以用蚁群优化算法(ACO)建模。这种概率技术模拟了蚁群寻找解决方案的方式，比如通过从食物来源到蚁群食物仓库和许多其他蚁群活动的最短和最安全的路线寻找和运输食物。在此之前，车辆和网络路由问题都是用蚁群算法解决的，但是同样的方法也可以应用于其他问题的解决方案，比如在大型文本语料库中检测单词的模式。
印度罗塔克Maharshi Dayanand大学计算机科学与应用系的Asha Kumari和Balkishan专注于手机短信内容(短消息服务，SMS)和著名的微博社交媒体平台Twitter的更新。鉴于这些服务无处不在，从娱乐、网上银行、导航、交易，以及其他需要短消息的服务，有工具来快速和准确地检测可疑内容是很重要的。
