ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

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

سال انتشار: 1395
کد COI مقاله: JR_TJEE-46-4_013
زبان مقاله: فارسیمشاهد این مقاله: 184
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

محمدعلی زارع چاهوکی - استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران
سیدحمیدرضا محمدی - کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران

چکیده مقاله:

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.

کلیدواژه ها:

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

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/601126/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
زارع چاهوکی، محمدعلی و محمدی، سیدحمیدرضا،1395،بهینه سازی هسته های چندگانه در ماشین بردارپشتیبان جفتی برای کاهش شکاف معنایی تشخیص صفحات فریب آمیز،،،،،https://civilica.com/doc/601126

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، زارع چاهوکی، محمدعلی؛ سیدحمیدرضا محمدی)
برای بار دوم به بعد: (1395، زارع چاهوکی؛ محمدی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 12,556
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی