面向类不平衡问题的"职业举报人"识别方法

• 作者: 张何灿 易成岐 王从余 王建冬 靳晓锟 黄倩倩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 职业举报人 类不平衡 特征选择 数据驱动 12358价格监管平台
• 年，卷（期）: 2019,（14）
• 所属期刊栏目: 热点与综述
• 页码范围: 1-7,23
• 页数: 8页
• 分类号: TP181
• 字数: 7341字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1905-0068

摘要

"职业举报人"团伙化、规模化、专业化、低龄化作案趋势日趋明显,政府部门对其识别大多采用人工鉴别的方法,造成了大量人力资源的浪费.采用Bootstrapping数据重采样技术,结合文本、时间和举报人属性等特征,在解决类不平衡数据的过拟合问题基础上,实现了"职业举报人"的准确识别.实验结果表明,相比过采样和欠采样技术而言,利用Bootstrapping重采样技术识别准确率更高,采用CFS方法结合BestFirst策略对数据特征进行优化,在保证精度的前提下能够实现更高的计算效率.以全国12358价格监管平台的真实数据为驱动,验证了方法的有效性,对比分析了"职业举报人"和正常消费者的投诉举报行为习惯差异.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建冬	国家信息中心大数据发展部	26	78	5.0	8.0
2	易成岐	国家信息中心大数据发展部	5	1	1.0	1.0
3	黄倩倩	国家信息中心大数据发展部	3	1	1.0	1.0
4	王从余	清华大学心理学系	1	0	0.0	0.0
5	张何灿	北京大学软件与微电子学院	2	0	0.0	0.0
6	靳晓锟	北京大学数学科学学院	1	0	0.0	0.0