بهینه سازی هسته های چندگانه در ماشین بردارپشتیبان جفتی برای کاهش شکاف معنایی تشخیص صفحات فریب آمیز

موتورهای جستجو با خزش صفحات موجود در اینترنت و شاخص گذاری آنها، قابلیت جستجوی سریع اطلاعات را به کاربران می دهند.یکی از چالش های مهم در استفاده از این ابزار، صفحاتی هستند که از آنها به عنوان صفحات فریب آمیز نام برده می شود. رویکردهای مختلفی جهتتشخیص صفحات فریب ابداع شده است که می توان به روش هایی مانند سنجش میزان شباهت سبک کدهای صفحات، تحلیل الگوی زبانی صفحاتو همچنین استفاده از روش های یادگیری ماشین بر اساس ویژگی های صفحات اشاره کرد ازجمله الگوریتم های یادگیری ماشین که در این حوزهاستفاده شده است ولی نتایج قابل توجهی را ارایه نکرده، الگوریتم ماشین بردارپشتیبان ( SVM) است استفاده از هسته در ساختار طبقه بند SVMباعث می شود که داده هایی که دارای الگوی غیرخطی هستند با نگاشت به فضایی با ابعاد بیشتر بتوانند با مدل خطی تفکیک پذیر شوند. این کارباعث افزایش دقت تفکیک کنندگی مدل یادگیری ماشین می شود اخیرا توسعه ایی از SVM با نام SVM جفتی (TSVM) ارایه شده است که باتغییر در فرضیه اولیه آن، از دو ابرصفحه برای تفکیک نمونه های هر کلاس استفاده می کند و توانسته نتایج بهتری در طبقه بندی ارایه کند به دلیلاستفاده از دو ابرصفحه در TSVM ، لذا بهتر است تا از هسته های چندگانه در ساختار آن استفاده شود به دلیل اینکه توابع هسته در هر کاربرداختصاصی هستند لذا نمی توان از یک هسته عمومی برای همه کاربردها استفاده کرد در این مقاله برای بهینه سازی ترکیب های بهینه توابع هستهپایه، از روشی تکاملی مبتنی بر الگوریتم ژنتیک (GA) استفاده شده است که با بهره گیری از آن در فرآیند تصمیم گیری هر ابرصفحه TSVM، بهبوددر تشخیص صفحات فریب حاصل گردیده است برای پیاده سازی و ارزیابی روش پیشنهادی، از مجموعه دادگان UK-2006 و UK-2007استفاده شده است که نتایج حاصل بیانگر موثر بودن ایده پیشنهادی در این پژوهش است.

Keywords:

موتور جستجو , صفحات وب فریب , رتبه بندی , یادگیری ماشین , ماشین بردارپشتیبان جفتی , هسته های چندگانه , الگوریتم ژنتیک