[论文解读] Web spam classification using supervised artificial neural network algorithms

Ashish Chandra, Mohammad Suaib+1 more|arXiv (Cornell University)|Feb 12, 2015

Network Security and Intrusion Detection参考文献 7被引用 5

一句话总结

本文提出了一种基于监督人工神经网络（ANN）的方法，利用三种优化算法——共轭梯度法、弹性反向传播法和Levenberg-Marquardt算法——对现代网络垃圾信息进行分类。该方法在复杂垃圾信息模式上进行了评估，结果表明Levenberg-Marquardt算法在准确率和收敛速度方面表现最佳，证明其在动态环境中对自适应和通用网络垃圾信息检测的有效性。

ABSTRACT

Due to the rapid growth in technology employed by the spammers, there is a need of classifiers that are more efficient, generic and highly adaptive. Neural Network based technologies have high ability of adaption as well as generalization. As per our knowledge, very little work has been done in this field using neural network. We present this paper to fill this gap. This paper evaluates performance of three supervised learning algorithms of artificial neural network by creating classifiers for the complex problem of latest web spam pattern classification. These algorithms are Conjugate Gradient algorithm, Resilient Backpropagation learning, and Levenberg-Marquardt algorithm.

研究动机与目标

• 为应对日益复杂的网络垃圾信息挑战，开发更具自适应性和通用性的分类器。
• 评估三种监督人工神经网络学习算法在现代网络垃圾信息检测中的性能。
• 识别出在处理复杂且不断演变的垃圾信息模式时最有效的ANN优化方法。
• 弥合神经网络在网页垃圾信息分类中应用的研究空白，鉴于该领域先前相关工作有限。

提出的方法

• 本研究采用前馈多层网络架构，并使用标注的网络垃圾信息和非垃圾信息数据进行监督训练。
• 采用三种优化算法——共轭梯度法、弹性反向传播法和Levenberg-Marquardt算法——训练神经网络。
• Levenberg-Marquardt算法通过高斯-牛顿逼近方法高效地最小化误差函数。
• 弹性反向传播法根据局部梯度符号按权重调整学习率，从而提高收敛稳定性。
• 共轭梯度法采用共轭方向法，相比标准反向传播法可加速收敛。
• 性能通过标准指标（如准确率、收敛速度和泛化能力）进行评估。

实验结果

研究问题

• RQ1 在分类现代网络垃圾信息模式方面，哪种监督人工神经网络算法表现最佳？
• RQ2 在网页垃圾信息检测中，共轭梯度法、弹性反向传播法和Levenberg-Marquardt算法在收敛速度和准确率方面如何比较？
• RQ3 基于神经网络的分类器能否很好地泛化到复杂且不断演变的垃圾信息模式？
• RQ4 与传统方法相比，神经网络在多大程度上能够适应网络垃圾信息的动态特性？

主要发现

• Levenberg-Marquardt算法在所测试的三种算法中实现了最高的分类准确率。
• Levenberg-Marquardt算法表现出最快的收敛速度，显著减少了训练时间。
• 弹性反向传播法表现出稳定的收敛性，但速度慢于Levenberg-Marquardt算法。
• 共轭梯度法提供了适中的性能，在速度与准确率之间实现了良好平衡。
• 基于神经网络的分类器在处理复杂且不断演变的垃圾信息模式方面优于传统方法。
• 本研究证实，监督ANN在实际网页垃圾信息分类任务中具有高度有效性与自适应能力。