AddittyaPS/Fake-Job-Posting-Identifier

# 虚假招聘信息识别器 这是一个由 AI/ML 驱动的欺诈检测系统，旨在利用自然语言处理（NLP）、特征工程和机器学习技术识别虚假的在线招聘信息。该系统通过分析职位描述、公司详情、电子邮件域名以及可疑的语言模式，将招聘信息分类为真实或虚假。 ## 功能 - **机器学习 Pipeline** - 使用 TF-IDF Vectorization 和 Random Forest Classification 构建，用于准确的基于文本的欺诈检测。 - **高级特征工程** - 检测可疑关键词、紧急性短语、个人电子邮件域名以及网站不一致性。 - **自然语言处理** - 包含 token 化、停用词移除、词形还原以及使用 NLTK 进行文本清洗等文本预处理技术。 - **交互式 Web 应用程序** - 开发了基于 Streamlit 的 UI，用于实时的虚假招聘预测和特征分析。 ## 项目结构 ``` fake-job-posting-identifier/ │ ├── app.py # Streamlit application ├── src/ │ ├── preprocess.py # NLP preprocessing functions │ ├── features.py # Feature engineering logic │ └── train.py # Model training pipeline │ ├── models/ # Saved ML models ├── data/ # EMSCAD dataset ├── screenshots/ # UI screenshots ├── requirements.txt └── README.md ``` ## 如何在本地运行 ### 1. 克隆仓库 ``` git clone https://github.com/YOUR_USERNAME/fake-job-posting-identifier.git cd fake-job-posting-identifier ``` ### 2. 安装依赖项 ``` pip install -r requirements.txt ``` ### 3. 运行应用程序 ``` streamlit run app.py ``` ### 4. 在浏览器中打开 导航至： ``` http://localhost:8501 ``` ## 技术栈 - Python 3 - Scikit-learn - NLTK - Pandas - NumPy - Streamlit ## 机器学习工作流 1. 数据清洗与 NLP 预处理 2. TF-IDF 特征提取 3. 自定义欺诈特征工程 4. Random Forest 模型训练 5. 使用 Streamlit 进行实时预测 ## 未来改进 - 基于 Deep Learning 的 NLP 模型（BERT/LSTM） - 用于实时诈骗检测的浏览器扩展 - 与在线招聘门户网站集成 - 支持云部署 ## 数据集 使用的数据集：**EMSCAD 虚假招聘信息数据集**

标签：Apex, Kubernetes, Streamlit, TF-IDF, 反欺诈, 数据科学, 文本分类, 机器学习, 访问控制, 资源验证, 逆向工具, 随机森林