基于Bagging-SVM集成分类器的网页作弊检测

• 作者: 唐寿洪 朱焱 杨凡
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 网页作弊 集成分类器 特征选择 信息熵 弱分类器
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 239-243
• 页数: 5页
• 分类号: TP181
• 字数: 5715字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.1.053

摘要

网页作弊不仅造成信息检索质量下降,而且给互联网的安全也带来了极大的挑战.提出了一种基于Bag-ging-SVM集成分类器的网页作弊检测方法.在预处理阶段,首先采用K-means方法解决数据集的不平衡问题,然后采用CFS特征选择方法筛选出最优特征子集,最后对特征子集进行信息熵离散化处理.在分类器训练阶段,通过Bagging方法构建多个训练集并分别对每个训练集进行SVM学习来产生弱分类器.在检测阶段,通过多个弱分类器投票决定测试样本所属类别.在数据集WEBSPAM-UK2006上的实验结果表明,在使用特征数量较少的情况下,本检测方法可以获得非常好的检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱焱	西南交通大学信息科学与技术学院	33	248	8.0	14.0
2	杨凡	西南交通大学信息科学与技术学院	10	26	3.0	4.0
3	唐寿洪	西南交通大学信息科学与技术学院	3	13	3.0	3.0