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

TL;DRAbstract

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。

Chat with Paper

AI Agents for this Paper