طبقه‌بندی تقلب‌های همکارانه در شبکه حراجی الکترونیکی با استفاده از معیار شباهت در طبقه‌بندی جمعی

در دنیای امروز بحث طبقه‌بندی اطلاعات اهمیت زیادی یافته است. در مسائل طبقه‌بندی هدف شناسایی ویژگی‌هایی است که گروهی را که هر موجودیت به آن تعلق دارد را نشان دهند. یکی از مواردی که می‌توان برای طبقه‌بندی استفاده نمود، طبقه‌بندی کاربران حراجی می‌باشد. با توجه به این که در طی سال‌های گذشته حراجی الکترونیکی اهمیت فراوانی پیدا کرده است، مسئله شناسایی افراد متقلب در این نوع شبکه‌ها توجه کاربران زیادی را به خود جذب کرده است. یکی از انواع تقلب، تقلب با روش همکاری و تبانی کاربران متقلب دیگر در حراجی می‌باشد که این نوع تقلب در صورت وقوع بسیار خطرناک می‌باشد و ممکن است ضررهای مالی جبران ناپذیری را در پی داشته باشد. در این مقاله روشی را پیشنهاد می‌دهیم که ابتدا ویژگی‌های موثر در یافتن افراد عادی را برای هر کاربر حراجی استخراج نموده و سپس طبقه‌بندی کاربران را با روش طبقه‌بندی جمعی انجام می‌دهد. در روش پیشنهادی، برای بهبود نتایج، تابع پتانسیل لبه در روش طبقه‌بندی جمعی تعریف      می گردد که از فاصله l1norm به عنوان معیار شباهت بین دو گره مجاور استفاده می‌نماید. نتایج نشان می‌دهند که تابع پتانسیل لبه تعریف شده، در بهبود نرخ طبقه‌بندی شناسایی کاربران متقلب همکار کارآیی خوبی را دارد.

Collusive Fraud Classification in Network of Online Auction Using Similarity Measure in Collective Classification

Nowadays, data classification is extremely important used with the purpose of identifying the features that indicate the group of the classification of each item. Classification of the user auctions is one of the usages of classification. In previous years, electronic auctions have become more important, so detecting fraudulent activities has attracted attention of many researchers. One type of fraud is the collusion of  fraudulent users at the auction, which is a very dangerous type of fraud and if occurred, may lead to       irreparable financial losses. In this paper, we propose a method that first extracts the effective features for finding normal people in the auction and then classifies the users by collective classification method. We define an edge potential function to use in collective classification, in which it uses the distance L1norm as the similarity measure between the two adjacent nodes. The results show that the defined edge potential function is suitable for improving the classification rate of collaborative fraudulent users.