[發明專利]一種多視圖網絡垃圾頁面檢測方法

有效

• 申請號: 201110424701.4
• 申請日: 2011-12-16
• 公開（公告）號: CN102521369A
• 公開（公告）日: 2012-06-27
• 發明（設計）人: 張化祥
• 申請（專利權）人: 山東師范大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張勇

1.一種多視圖web?spam檢測方法，其特征是，該方法包括如下步驟：

步驟1：首先獲取訓練數據中所有正常頁面和spam頁面的內容視圖及鏈接視圖；

步驟2：然后獲取待檢測頁面的內容視圖及鏈接視圖；

步驟3：將步驟1中所有正常頁面的內容視圖及鏈接視圖各自構造矩陣，得到正常內容矩陣和正常鏈接矩陣；

步驟4：將步驟1中所有spam頁面的內容視圖及鏈接視圖各自構造矩陣，得到spam內容矩陣及spam鏈接矩陣；

步驟5：用待檢測頁面的內容視圖及鏈接視圖各自構造矩陣，得到待檢測內容矩陣及待檢測鏈接矩陣；

步驟6：利用正常內容矩陣和待檢測內容矩陣求解權重矩陣W_-，利用spam內容矩陣及待檢測內容矩陣求解權重矩陣W₊；

步驟7：利用正常鏈接矩陣及權重矩陣W_-求解近似矩陣B₁，利用spam鏈接矩陣及權重矩陣W₊求解近似矩陣B₂；

步驟8：利用步驟7中的近似矩陣B₁和待檢測鏈接矩陣求解正常范數E_-，利用近似矩陣B₂和待檢測鏈接矩陣求解spam范數E₊；

步驟9：比較正常范數E_-與spam范數E₊的大?。蝗粽７稊敌∮趕pam范數，則待檢測頁面為正常頁面；若正常范數大于spam范數，則待檢測頁面為spam頁面；若兩者相等，則待檢測頁面隨機識別為正常頁面或spam頁面；

步驟10：如果待檢測頁面被識別為正常頁面，就被保留下來，否則將待檢測頁面從頁面庫中刪除，檢測結束。

2.如權利要求書1所述的一種多視圖web?spam檢測方法，其特征是，所述的步驟6中，求解權重矩陣W_-的公式如下：

min||[A_x]-[A_-]W_-||²

s.t.||W_-||²＝1

公式表示在滿足約束條件||W_-||²＝1的情況下，求解使得||[A_x]-[A_-]W_-||²取得最小值的權重矩陣W_-；該最小化表示通過權重W_-與[A₊]構造出的內容矩陣[A_-]W_-與待測頁面的內容矩陣[A_x]間的差異性盡可能小。

3.如權利要求書1所述的一種多視圖web?spam檢測方法，其特征是，所述的步驟6中，求解權重矩陣W₊的公式如下：

min||[A_x]-[A₊]W₊||²

s.t.||W₊||²＝1

公式表示在滿足約束條件||W₊||²＝1的情況下，求解使得||[A_x]-[A₊]W₊||²取得最小值的權重矩陣W₊；該最小化表示通過權重W₊與[A₊]構造出的內容矩陣[A₊]W₊與待測頁面的內容矩陣[A_x]間的差異性盡可能小。