Spam網(wǎng)頁(yè)主要通過(guò)鏈接作弊手段達(dá)到提高搜索排名而獲利的目的,根據(jù)鏈接作弊的特征,引入鏈接相似度和作弊系數(shù)兩個(gè)指標(biāo)來(lái)判定網(wǎng)頁(yè)作弊的可能性。借鑒BadRank算法思想,從Spam網(wǎng)頁(yè)種子集合通過(guò)迭代計(jì)算鏈接相似度和作弊系數(shù),并根據(jù)與種子集合的鏈接指向關(guān)系設(shè)置權(quán)重,將待判定的網(wǎng)頁(yè)進(jìn)行度量。最后選取Anti-Trust Rank等算法作對(duì)比實(shí)驗(yàn),結(jié)果驗(yàn)證了本文算法在準(zhǔn)確率和適應(yīng)性方面優(yōu)于對(duì)比算法。 

【文章來(lái)源】：計(jì)算機(jī)工程與科學(xué). 2015年10期 北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖１鏈接結(jié)構(gòu)對(duì)比Ｆｉｇｕｒｅ１Ｌｉｎｋｓｔｒｕｃｔｕｒｅｃｏｎｔｒａｓｔ

意關(guān)聯(lián)，互相關(guān)聯(lián)的Ｓｐａｍ網(wǎng)頁(yè)之間的鏈接結(jié)構(gòu)也存在著比較高的相似性，它們既共同指向一些網(wǎng)頁(yè)，又被一些相同網(wǎng)頁(yè)引用�；阪溄咏Y(jié)構(gòu)，陳小飛等［１５］提出了一種Ｓｐａｍ網(wǎng)頁(yè)過(guò)濾算法，根據(jù)鏈接結(jié)構(gòu)的相似度（包含出鏈相似度和入鏈相似度），運(yùn)用聚類降權(quán)的手段有效評(píng)估各鏈接的質(zhì)量，達(dá)到降低排序、過(guò)濾Ｓｐａｍ網(wǎng)頁(yè)的效果。張勇實(shí)［１６］對(duì)其提出了改進(jìn)算法ＬＳＣＢ－ＳＲ，提高了Ｓｐａｍ網(wǎng)頁(yè)識(shí)別率。Ｆｉｇｕｒｅ２Ｌｉｎｋｓｔｒｕｃｔｕｒｅｏｆｔｈｅｓｐａｍｐａｇｅｓ圖２Ｓｐａｍ網(wǎng)頁(yè)之間的鏈接結(jié)構(gòu)如圖３所示，假設(shè)ｂ１為Ｓｐａｍ網(wǎng)頁(yè)，網(wǎng)頁(yè)ａｉ（ｉ∈｛１，２，３，４｝）與ｂ１有直接或間接的鏈接關(guān)系，其中ａ１和ａ２都有出鏈直接指向ｂ１，則可以判定ａ１和ａ２具有較高的鏈接作弊傾向，因?yàn)樗鼈儙椭猓边_(dá)到目的。但是，不能因?yàn)椋猓庇谐鲦溨苯又赶颍幔扯卸ǎ幔碁椋樱穑幔砭W(wǎng)頁(yè)，只能認(rèn)為或許存在一定的作弊可能性，因?yàn)椋幔碂o(wú)法阻止ｂ１指向它。另外，ｂ１有出鏈間接指向ａ４，對(duì)于ａ４的判定更缺乏依據(jù)。對(duì)此，王洪偉等［１７］提出了鏈接作弊系數(shù)的方法來(lái)解決。它的基本思路是：借鑒ＢａｄＲａｎｋ算法思想，從Ｓｐａｍ網(wǎng)頁(yè)開(kāi)始，一個(gè)網(wǎng)頁(yè)如有外鏈指向可能存在作弊行為的網(wǎng)頁(yè)（鏈接作弊系數(shù)非零），則該網(wǎng)頁(yè)也將被認(rèn)為存在一定的鏈接作弊可能。通過(guò)一定次數(shù)的迭代，不僅僅局限于初始Ｓｐａｍ網(wǎng)１９８４ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ＆Ｓｃｉｅｎｃｅ計(jì)算機(jī)工程與科學(xué)２０１５，３７（１０）

偽造成正常網(wǎng)頁(yè)（鏈接的多樣性）的結(jié)構(gòu)，以避開(kāi)搜索引擎懲罰，所以對(duì)入鏈相似度還應(yīng)給予適當(dāng)?shù)臋?quán)重。４．２同類算法的準(zhǔn)確率對(duì)比為了驗(yàn)證ＬＳＳＲ算法的有效性，實(shí)驗(yàn)選擇與Ａｎｔｉ－ＴｒｕｓｔＲａｎｋ算法、ＬＳＣＢ－ＳＲ算法在相同召回率下進(jìn)行準(zhǔn)確率的比較，三種算法取部分的相同參數(shù)，即：閾值Ｔｉ＝０．３，Ｔｐ＝０．２５。此外，ＬＳＳＲ算法還設(shè)定λ＝０．２以及ｄ＝０．８５。三種算法在對(duì)應(yīng)召回率下通過(guò)調(diào)整各自不同閾值Ｔ的取值，取得準(zhǔn)確率的最大值，結(jié)果如圖４所示。Ｆｉｇｕｒｅ４Ｃｏｍｐａｒｉｓｏｎｏｆａｃｃｕｒａｃｙａｎｄｒｅｃａｌｌｒａｔｅａｍｏｎｇｓｉｍｉｌａｒａｌｇｏｒｉｔｈｍｓ圖４同類算法的準(zhǔn)確率／召回率對(duì)比實(shí)驗(yàn)結(jié)果表明，在相同召回率下，ＬＳＳＲ算法的準(zhǔn)確率高于ＬＳＣＢ－ＳＲ算法與Ａｎｔｉ－ＴｒｕｓｔＲａｎｋ算法。調(diào)整閾值Ｔ的取值越低，召回率越大，滿足條件的待判定節(jié)點(diǎn)越多（多數(shù)是間接指向Ｓｐａｍ網(wǎng)頁(yè)的節(jié)點(diǎn)），節(jié)點(diǎn)范圍更廣，此時(shí)ＬＳＳＲ算法還能保持較高的準(zhǔn)確率，說(shuō)明確實(shí)改進(jìn)了式（５）中的衰減問(wèn)題，所以它的適用性更好。５結(jié)束語(yǔ)本文為了提高Ｓｐａｍ網(wǎng)頁(yè)的識(shí)別率，在已有算法和研究成果的基礎(chǔ)上，結(jié)合實(shí)際情況，對(duì)鏈接相似度算法和作弊系數(shù)算法提出了改進(jìn)，并將兩種算法組合成全新的ＬＳＳＲ算法。對(duì)比實(shí)驗(yàn)的結(jié)果表明，ＬＳＳＲ算法在擬實(shí)性、準(zhǔn)確率和適用性方面均有一定提升。下一步研究工作可向算法的識(shí)別效率進(jìn)行改進(jìn)，待判定網(wǎng)頁(yè)節(jié)點(diǎn)之間的層級(jí)（如首頁(yè)、欄目頁(yè)、內(nèi)容頁(yè)）屬性差異研究也可以用來(lái)改進(jìn)識(shí)別算法。參考文獻(xiàn)：［１］ＨｅｎｚｉｎｇｅｒＭＲ

【參考文獻(xiàn)】：
期刊論文
[1]搜索引擎排序作弊的識(shí)別:基于文本內(nèi)容和鏈接結(jié)構(gòu)的分析[J]. 王洪偉,王偉,孟園.  系統(tǒng)工程理論與實(shí)踐. 2015(02)

博士論文
[1]基于鏈接相似性分析的WEB結(jié)構(gòu)挖掘方法研究[D]. 張勇實(shí).哈爾濱工程大學(xué) 2012



本文編號(hào)：2938952