基于遗传规划集成学习的网络作弊检测

• 作者: 张冬梅 牛小飞 马军 马少平
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 网络作弊 集成学习 遗传规划 非平衡数据集分类
• 年，卷（期）: 2012,（5）
• 页码范围: 94-100
• 分类号: TP391
• 字数: 7317字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2012.05.015

摘要

网络作弊检测是搜索引擎的重要挑战之一,该文提出基于遗传规划的集成学习方法(简记为GPENL)来检测网络作弊.该方法首先通过欠抽样技术从原训练集中抽样得到t个不同的训练集；然后使用c个不同的分类算法对t个训练集进行训练得到t*c个基分类器；最后利用遗传规划得到t*c个基分类器的集成方式.新方法不仅将欠抽样技术和集成学习融合起来提高非平衡数据集的分类性能,还能方便地集成不同类型的基分类器.在WEBSPAM-UK2006数据集上所做的实验表明无论是同态集成还是异态集成,GPENL均能提高分类的性能,且异态集成比同态集成更加有效；GPENL比AdaBoost、Bagging、RandomForest、多数投票集成、EDKC算法和基于Prediction Spamicity的方法取得更高的F-度量值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马军	山东大学计算机科学与技术学院	74	980	15.0	29.0
2	马少平	清华大学计算机科学与技术系	53	2381	23.0	48.0
3	牛小飞	山东大学计算机科学与技术学院	5	14	2.0	3.0
6	张冬梅	山东大学计算机科学与技术学院	12	46	4.0	6.0