欺诈网页检测中基于遗传算法的特征优选

来源：计算机应用杂志2018年第1期北京时间：

作者：王嘉卿, 朱焱, 陈同孝, 张真诚

单位：1. 西南交通大学 信息科学与技术学院, 成都 611756;2. 台中科技大学 资讯工程系, 台湾 台中 404;3. 逢甲大学 资讯工程系, 台湾 台中 407

摘要：针对网页欺诈检测中特征的高维、冗余问题，提出一个基于信息增益和遗传算法的改进特征选择算法（IFS-BIGGA）。首先，通过信息增益（IG）给出特征重要性排序，设定动态阈值减少冗余特征；其次，改进遗传算法（GA）中染色体编码函数和选择算子，并结合随机森林（RF）的受试者工作特征曲线面积（AUC）作为适应度函数，选择高辨识度特征；最后，增加实验迭代次数避免算法随机性，产生最佳最小的特征集合（OMFS）。实验验证表明，应用IFS-BIGGA生成的OMFS与高维特征集合相比，尽管RF下的AUC减小了2%，但是真阳性率（TPR）提高了21%，并且特征维度减少了92%；同时多个常用分类器的平均检测时间减少了83%；另外，IFS-BIGGA的F1值相比传统的遗传算法（TGA）和帝国主义竞争算法（ICA）分别提高了4.2%和3.5%。实验结果表明，IFS-BIGGA可以进行高效特征降维，在实际的网页检测工程中，有效减少计算代价，提高检测效率。

关键词：特征选择,遗传算法,信息增益,随机森林算法,欺诈网页检测

基金资助：四川省学术和技术带头人后备人选科研基金资助项目（WZ0100112371408，YH1500411031402）；四川省学术和技术带头人科研基金资助项目（WZ0100112371601/004）；四川省科技服务业示范项目（2016GFW0166）。