@article { author = {زارع چاهوکی, محمدعلی and محمدی, سیدحمیدرضا}, title = {Optimization of Multiple Kernels in Twin SVM for Decreasing Web Spam Page Detection Semantic Gap}, journal = {TABRIZ JOURNAL OF ELECTRICAL ENGINEERING}, volume = {46}, number = {4}, pages = {135-145}, year = {2016}, publisher = {Faculty of Electrical & Computer Engineering}, issn = {2008-7799}, eissn = {2538-3051}, doi = {}, abstract = {Abstract:Web pages are crawled and indexed by search engines for fast accessing data on the web. One of the challenges in the search engines is web spam pages. There are many approaches to web spam pages detection such as measurement of HTML code style similarity, pages linguistic pattern analysis and machine learning algorithm on page content features. One of the famous algorithms has been used in machine learning approach is Support Vector Machine (SVM) classifier. Unfortunately SVM could not achieve a reasonable accuracy in this scope. In order to classify non-linear data in a linear manner, the SVM needs to use the idea of the kernel, which leads to enhanced classification capabilities. A kernel, implicitly maps the data to a higher-dimensional space. Recently basic structure of SVM has been changed by new extensions called Twin SVM (TSVM) to increase robustness and classification accuracy using two separate hyperplanes. Because of using two separate hyperplanes in TSVM, it is better to use multiple kernels in it. Kernel functions are designed based on specific data sample. Therefore they cannot use for general purpose. In this paper we improved accuracy of web spam detection by using two nonlinear kernels into TSVM as an improved extension of SVM. These two kernels have been created based on genetic algorithm. The classifier ability to data separation has been increased by using two separated kernels for each class of data. Effectiveness of new proposed method has been experimented with two publicly used spam datasets called UK-2007 and UK-2006.}, keywords = {Keywords: Search engine,web spam page,ranking,machine learning,twin support vector machine (TSVM),multiple kernels,genetic algorithm (GA)}, title_fa = {بهینه‌سازی هسته‌های چندگانه در ماشین‌بردارپشتیبان جفتی برای کاهش شکاف معنایی تشخیص صفحات فریب‌آمیز}, abstract_fa = {چکیده: موتورهای جستجو با خزش صفحات موجود در اینترنت و شاخص‌گذاری آن‌ها، قابلیت جستجوی سریع اطلاعات را به کاربران می‌دهند. یکی از چالش‌های مهم در استفاده از این ابزار، صفحاتی هستند که از آن‌ها به‌عنوان صفحات فریب‌آمیز نام‌ برده می‌شود. رویکردهای مختلفی جهت تشخیص صفحات فریب ابداع ‌شده است که می‌توان به روش‌هایی مانند سنجش میزان شباهت سبک کدهای صفحات، تحلیل الگوی زبانی صفحات و همچنین استفاده از روش‌های یادگیری ماشین بر اساس ویژگی‌های صفحات اشاره کرد. ازجمله الگوریتم‌های یادگیری ماشین که در این حوزه استفاده ‌شده است ولی نتایج قابل‌توجهی را ارائه نکرده، الگوریتم ماشین‌بردارپشتیبان[i] (SVM) است. استفاده از هسته در ساختار طبقه‌بند SVM باعث می‌شود که داده‌هایی که دارای الگوی غیرخطی هستند با نگاشت به فضایی با ابعاد بیش‌تر بتوانند با مدل خطی تفکیک‌پذیر شوند. این کار باعث افزایش دقت تفکیک‌کنندگی مدل یادگیری ماشین می‌شود. اخیراً توسعه‌ایی از SVM با نام SVM جفتی[ii] (TSVM) ارائه‌ شده است که با تغییر در فرضیه اولیه آن، از دو اَبَرصفحه[iii] برای تفکیک نمونه‌های هر کلاس استفاده می‌کند و توانسته نتایج بهتری در طبقه‌بندی ارائه کند. به دلیل استفاده از دو ابرصفحه در TSVM، لذا بهتر است تا از هسته‌های چندگانه در ساختار آن استفاده شود. به دلیل اینکه توابع هسته در هر کاربرد اختصاصی هستند لذا نمی‌توان از یک هسته عمومی برای همه کاربردها استفاده کرد. در این مقاله برای بهینه‌سازی ترکیب‌های بهینه توابع هسته پایه، از روشی تکاملی مبتنی بر الگوریتم ژنتیک (GA) استفاده‌ شده است که با بهره‌گیری از آن در فرآیند تصمیم‌گیری هر اَبَرصفحه TSVM، بهبود در تشخیص صفحات فریب حاصل گردیده است. برای پیاده‌سازی و ارزیابی روش پیشنهادی، از مجموعه دادگان UK-2006 و UK-2007 استفاده ‌شده است که نتایج حاصل بیانگر مؤثر بودن ایده پیشنهادی در این پژوهش است.  }, keywords_fa = {واژه‌های کلیدی: موتور جستجو,صفحات وب‌فریب,رتبه‌بندی,یادگیری ماشین,ماشین‌بردارپشتیبان جفتی,هسته‌های چندگانه,الگوریتم ژنتیک}, url = {https://tjee.tabrizu.ac.ir/article_5263.html}, eprint = {https://tjee.tabrizu.ac.ir/article_5263_7e2757e68f0e4865aa38d497d5571509.pdf} }