基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
Web spam是指采用某些技术手段,使得网页在搜索引擎检索结果中的排名高于其应得排名的行为,它严重影响搜索结果的质量.考虑到Web spam数据集的严重不平衡情况,本研究提出先使用SMOTE过抽样方法平衡数据集,再利用随机森林算法训练分类器.通过对常见的单分类器和集成学习分类器的对比实验,发现SMOTE+RF方法表现较为突出,并根据实验结果优化了方法中的重要参数,对使用SMOTE方法后AUC值提高的原因进行了分析.在WEBSPAM UK2007数据集上的实验证明,该方法可以显著提高分类器的分类效果,其AUC值已经超过了Web Spam Challenge 2008上的最好成绩.
推荐文章
一种随机嵌入抗SPAM检测的可逆数据隐藏算法
随机嵌入
SPAM
可逆数据隐藏
直方图修正
子图采样
基于SMOTE和GBDT的网络入侵检测方法研究
入侵检测
机器学习
GBDT
SMOTE
KDD99
基于随机森林的精确目标检测方法
随机森林
决策树
目标检测
长宽比
Boosting算法
基于KM-SMOTE和随机森林的不平衡数据分类
K-means
SMOTE算法
随机森林
不平衡数据集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SMOTE和随机森林的Web spam检测
来源期刊 山东大学学报(工学版) 学科 工学
关键词 集成学习 搜索引擎垃圾网页 随机森林 SMOTE 搜索引擎作弊
年,卷(期) 2013,(1) 所属期刊栏目 机器学习与数据挖掘
研究方向 页码范围 22-27,33
页数 分类号 TP391
字数 语种 中文
DOI 10.6040/j.issn.1672-3961.3.2012.046
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张化祥 山东师范大学信息科学与工程学院 73 576 14.0 19.0
3 房晓南 山东师范大学信息科学与工程学院 6 22 2.0 4.0
7 高爽 山东师范大学信息科学与工程学院 4 18 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (6)
参考文献  (12)
节点文献
引证文献  (14)
同被引文献  (21)
二级引证文献  (60)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(2)
  • 二级参考文献(1)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(4)
  • 参考文献(4)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(6)
  • 引证文献(4)
  • 二级引证文献(2)
2016(13)
  • 引证文献(2)
  • 二级引证文献(11)
2017(17)
  • 引证文献(1)
  • 二级引证文献(16)
2018(13)
  • 引证文献(1)
  • 二级引证文献(12)
2019(14)
  • 引证文献(2)
  • 二级引证文献(12)
2020(8)
  • 引证文献(1)
  • 二级引证文献(7)
研究主题发展历程
节点文献
集成学习
搜索引擎垃圾网页
随机森林
SMOTE
搜索引擎作弊
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
山东大学学报(工学版)
双月刊
1672-3961
37-1391/T
大16开
济南市经十路17923号
24-221
1956
chi
出版文献量(篇)
3095
总下载数(次)
14
总被引数(次)
24236
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导