Fake Job Detection using Bi-GRU Algorithms with Combination Random Over Sampler and Weighted Random Sampler
Notice bibliographique
Résumé
In order to address data imbalance, this study created a model for identifying fraudulent job openings using the Bidirectional Gated Recurrent Unit (Bi-GRU) algorithm in conjunction with Random Over Sampler and Weighted Random Sampler. With 17.880 data points 95.16% actual and 4.84% false. The EMSCAD dataset was utilized, the model integrates numerical features (salary_range) that are standardized using StandarScaler, and text processing with GloVe embedding and attention technique. To address severe class imbalance, a mix of oversampling and weighted sampling approaches was used. This study use the Cross Industry Standard Process for Data Mining (CRISP-DM) method, The Bi-GRU model with ROS + WRS combination performed the best according to the trial results Accuracy 99.2%, Precision 91%, Recall 89.2%, F1-Score 90%, and ROC Curve 0.9909. This model outperforms other studies (Bi-LSTM 98.71%, XGBoost 97.8%, Random Forest 97%, Transformer XLNet model 83.9%), in identifying fraudulent job openings with an ideal balance between Precision and Recall demonstrating the efficacy of hybrid data balancing strategies. This study lowers financial losses from fraud, boosts user confidence in online recruitment platforms and offers a reliable detection method for production deployment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».