[發(fā)明專(zhuān)利]網(wǎng)頁(yè)作弊檢測(cè)

有效

• 申請(qǐng)?zhí)枺?/td>: 201610083780.X
• 申請(qǐng)日: 2016-02-05
• 公開(kāi)（公告）號(hào): CN108304395B
• 公開(kāi)（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 王飛;蔣漢平;常智山
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京迅奧科技有限公司
• 主分類(lèi)號(hào): G06F16/958
• 分類(lèi)號(hào): G06F16/958
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種網(wǎng)頁(yè)作弊檢測(cè)方法，通過(guò)統(tǒng)計(jì)鏈入網(wǎng)頁(yè)的分布情況構(gòu)建模型，其特征是，在原始鏈接的基礎(chǔ)上，計(jì)算出各個(gè)網(wǎng)頁(yè)的PageRank值，所述的網(wǎng)頁(yè)的PageRank值是通過(guò)抓取網(wǎng)頁(yè)，抽取基于url的網(wǎng)絡(luò)鏈接關(guān)系，建立基于url的鏈出關(guān)系庫(kù)，利用鏈出關(guān)系庫(kù)建立基于domain的鏈出關(guān)系庫(kù)，利用基于domain的鏈出關(guān)系庫(kù)計(jì)算得出；

利用鏈出關(guān)系庫(kù)，建立基于domain的鏈入關(guān)系庫(kù)，對(duì)每一個(gè)網(wǎng)頁(yè)入鏈網(wǎng)頁(yè)進(jìn)行統(tǒng)計(jì)，分析入鏈集合中的pagerank分布是否遵循冪次分布規(guī)律或二八分布定律；

結(jié)合原始的PageRank值對(duì)每一網(wǎng)頁(yè)的可靠性或者作弊性給出一個(gè)度量；

具體的：①給定域名A，域名的PageRank值為PA，鏈向A的域名的PageRank值經(jīng)過(guò)排序的集合為SA，SA中前20％的網(wǎng)頁(yè)domain的總和為S1，將后80％的網(wǎng)頁(yè)domain的總和為S2，前20％的網(wǎng)頁(yè)domain的總和S1與所有網(wǎng)頁(yè)的domain的總和比值記為：ratio＝S1/(S1+S2)；

②域名A的作弊大小定義為：Spam(A)＝(ratio-I)*PA，物理意義為Spam(A)為正，值越大正常的可能性越大；Spam(A)為負(fù)，值越小，作弊的可能性越大；

最后設(shè)定閾值，挑選出作弊的網(wǎng)頁(yè)。