<track id="rp7pt"></track>
    <track id="rp7pt"><strike id="rp7pt"><ol id="rp7pt"></ol></strike></track>

    <noframes id="rp7pt">
    <track id="rp7pt"></track>

          <pre id="rp7pt"></pre>

            當前位置: 首頁 » 職稱論文 » 人文社科 » 正文
            深度學習方法的CVDD
            發布日期:2022-09-02     瀏覽次數:95
            核心提示:1.3 基于深度學習的詐騙網站識別相較于基于規則的方法,基于機器學習的詐騙網站識別方法獲得了更好的效果。但基于機器學習的方法依賴于對詐騙網站的特
             

            1.3 基于深度學習的詐騙網站識別

            相較于基于規則的方法,基于機器學習的詐騙網站識別方法獲得了更好的效果。但基于機器學習的方法依賴于對詐騙網站的特征工程,較為耗費時間,同時隨著新的詐騙網站不斷涌現,依賴于專家更新分析,提取新的特征,因而耗時耗力。而深度學習技術可以有效改善上述詐騙網站識別中遇到的問題,因此有關深度學習技術的詐騙網站識別研究,也逐漸廣泛。例如杜錦波[7]、付順順[8]等人采用網頁分類任務的思想看待詐騙網站識別目標,結合了集成學習的思想,將多個FastText弱分類模型通過組合的方式,得到一個對于詐騙網站識別的強分類器,取得了不錯的實驗結果。

            1.4 本文的主要研究內容

            研究內容主要為對于詐騙網站的自動識別。具體來說,考慮網站所包含的文本特征和網絡特征,來搭建識別模型,從而實現詐騙網站的自動識別。由于詐騙網站數量較少,可信網站數量遠大于詐騙網站的數量且類別較多,即兩類數據存在嚴重的不平衡情況,若采用二分類模型,則負類選取采樣較為困難,因此考慮采用的模型為單分類模型,即訓練數據僅有一類,模型最終識別樣本是否屬于該類。單分類模型主要有采用機器學習方法1-SVM,采用深度學習方法的CVDD。

             
            相關論文導航
             
             

            桂ICP備2020008163號-5

            (c)2008-2018 理論研究網

             

            免責聲明:本平臺并非任何雜志官網,僅限于整理學術信息以及期刊投稿渠道

             
            国产av高清亚洲

            <track id="rp7pt"></track>
              <track id="rp7pt"><strike id="rp7pt"><ol id="rp7pt"></ol></strike></track>

              <noframes id="rp7pt">
              <track id="rp7pt"></track>

                    <pre id="rp7pt"></pre>