职业资格考试异常代报名行为检测算法-基于图网络半监督学习
Applied Statistics and Data Science · 2025
DOI: 10.61369/asds.10248 ↗Kurz gefasst
Fachartikel in der Zeitschrift Applied Statistics and Data Science, 2025. Verfasst von 如冰 薛 und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Abstract (Originalsprache)
本研究针对大规模考试数据中的代报名与作弊行为识别问题,提出了一种基于图结构的多阶段综合分析方法。首先,通过Louvain算法对数据构建的加权图进行社区划分,利用最大化模块度Q来发现显著的社区结构,从而缩小分析范围、减少噪声干扰,并聚焦于高风险考生群体。接着,运用图卷积神经网络(GCN)在社区层面进行特征学习与标签预测,有效挖掘节点间的非线性关系与复杂交互,从而弥补传统线性模型与规则分析的不足。最后,通过加权标签传播算法,将预测结果扩散至完整数据集,确保标注信息在全局层面的一致性与覆盖性。此外,通过构建图数据库替代传统关系数据库,避免了多表关联查询的低效性,加速了数据检索与处理过程。该方法有助于在海量、复杂的考试数据中高效识别潜在高风险考生群体,提高考试的公正性与管理效能。
Zitieren
APA
薛, 如., 郭, 文., & 王, 纬. (2025). 职业资格考试异常代报名行为检测算法-基于图网络半监督学习. Applied Statistics and Data Science. https://doi.org/10.61369/asds.10248
Vancouver
薛 如, 郭 文, 王 纬. 职业资格考试异常代报名行为检测算法-基于图网络半监督学习. Applied Statistics and Data Science. 2025. doi:10.61369/asds.10248
BibTeX
@article{2025,
author = {薛, 如冰 and 郭, 文星 and 王, 纬},
title = {职业资格考试异常代报名行为检测算法-基于图网络半监督学习},
journal = {Applied Statistics and Data Science},
year = {2025},
doi = {10.61369/asds.10248}
}
EUVIMED