用于判定车辆劫持推文的半监督异常检测
机器学习
2023-08-22 v1
摘要
在南非，车辆劫持问题日益严重。这导致出行者时刻担忧成为此类事件的受害者。本工作提出了一种利用推文并通过无监督异常检测算法识别劫持事件的半监督新方法。获取包含关键词“hijacking”的推文，存储并使用词频-逆文档频率（TF-IDF）进行处理，进而使用两种异常检测算法分析：1）K近邻（KNN）；2）基于聚类的离群因子（CBLOF）。对比评估显示，KNN方法准确率为89%，而CBLOF准确率为90%。CBLOF方法还取得了0.8的F1分数，而KNN为0.78。因此，两种方法略有差异，CBLOF更优，其被选为判定相关劫持推文的首选无监督方法。未来将在更大数据集上对比本工作提出的无监督方法与有监督学习方法，并采用优化机制以提升整体性能。
引用
@article{arxiv.2308.10036,
title = {Semi-Supervised Anomaly Detection for the Determination of Vehicle Hijacking Tweets},
author = {Taahir Aiyoob Patel and Clement N. Nyirenda},
journal= {arXiv preprint arXiv:2308.10036},
year = {2023}
}