[發明專利]通過網頁多視圖數據關聯組合識別垃圾網頁的方法

有效

• 申請號: 201210187098.7
• 申請日: 2012-06-07
• 公開（公告）號: CN102750345A
• 公開（公告）日: 2012-10-24
• 發明（設計）人: 張化祥;高爽
• 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

技術領域

本發明涉及一種通過網頁多視圖數據關聯組合識別垃圾網頁的方法，屬于internet信息檢索領域。

背景技術

網絡已經成為最主要的信息來源，人們通過信息檢索(IR)查找相關信息。用戶在使用搜索引擎檢索信息時，往往只選取排名靠前的幾條結果，某些網站為了達到商業目的利用一些專門為其他網站提供提高排名服務的盈利組織(如SEO)[Luca?Becchetti,Carlos?Castillo,Debora?Donato,et?al.Web?spam?detection:link-based?and?content-based?techniques[R].Yahoo!Research?Barcelona,2008.]誤導和欺騙用戶，嚴重影響了用戶獲取有用信息。由此可見，對垃圾網頁進行有效檢測是一個亟待解決的問題。

目前垃圾網頁主要分為三種類型：基于內容的垃圾網頁，基于鏈接的垃圾網頁和網頁隱藏[Carlos?Castillo,Debora?Donato,AristidesGionis,et?al.Know?your?neighbors:web?spam?detection?using?the?web?topology?[C]//Proceedings?of?the?30th?Annual?International?ACM?SIGIR?Conference?on?Research?and?Development?in?Information?Retrieval.New?York,USA:ACM,2007:423-430]。基于內容的垃圾網頁通過惡意制作網頁內容(如插入與流行的查詢條件相關的關鍵字)提高搜索排名，通常使用基于語言模型[István?Bíró,Dávid?Siklósi,Jácint?Szabó,András?A.Benczúr.Linked?latent?dirichlet?allocation?in?web?spam?filtering[C]//Proceedings?of?the?5th?International?Workshop?on?Adversarial?Information?Retrieval?on?the?Web.New?York,USA:ACM,2009:37-40,Lourdes?Araujo,Juan?Martinez-romo.Web?spam?detection:new?classification?features?based?on?qualified?link?analysis?and?language?models[J].IEEE?Transactions?on?Information?Forensics?and?Security,2010,5(3):581-590]的方法檢測該類垃圾網頁。基于鏈接的垃圾網頁通過創建一個聯系緊密的鏈接結構影響排名算法，常用基于信任傳播的方法進行檢測[Jacob?Abernethy,Olivier?Chapelle,Carlos?Castillo.Graph?regularization?methods?for?web?spam?detection[J].Machine?Learning,2010,81(2):207-225]。網頁隱藏通過向搜索引擎和用戶發送內容不同的網頁來實現，可以利用比較索引版本和用戶實際看到的網頁的方法進行檢測。