Biblioteca36.130 documentos en línea

Artículo

Stratification-Based Outlier Detection over the Deep WebDetección de valores atípicos basada en la estratificación en la Deep Web

Resumen

Para muchas aplicaciones, encontrar casos raros o valores atípicos puede ser más interesante que encontrar patrones comunes. Los trabajos existentes sobre la detección de valores atípicos nunca tienen en cuenta el contexto de la web profunda. En este trabajo, argumentamos que, para muchos escenarios, es más significativo detectar valores atípicos en la web profunda. En el contexto de la web profunda, los usuarios deben enviar consultas a través de una interfaz de consulta para recuperar los datos correspondientes. Por tanto, los métodos tradicionales de minería de datos no pueden aplicarse directamente. La principal contribución de este artículo es el desarrollo de un nuevo método de minería de datos para la detección de valores atípicos en la web profunda. En nuestro enfoque, el espacio de consulta de una fuente de datos de la web profunda se estratifica en base a una muestra piloto. El muestreo de vecindad y el muestreo de incertidumbre se desarrollan en este trabajo con el objetivo de mejorar el recuerdo y la precisión basados en la estratificación. Por último, una cuidadosa evaluación del rendimiento de nuestro algoritmo confirma que nuestro enfoque puede detectar eficazmente los valores atípicos en la web profunda.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento