Spam網(wǎng)頁主要通過鏈接作弊手段達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)兩個指標(biāo)來判定網(wǎng)頁作弊的可能性。借鑒BadRank算法思想,從Spam網(wǎng)頁種子集合通過迭代計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)頁進行度量。最后選取Anti-Trust Rank等算法作對比實驗,結(jié)果驗證了本文算法在準(zhǔn)確率和適應(yīng)性方面優(yōu)于對比算法。 

【文章來源】：計算機工程與科學(xué). 2015年10期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

圖１鏈接結(jié)構(gòu)對比Ｆｉｇｕｒｅ１Ｌｉｎｋｓｔｒｕｃｔｕｒｅｃｏｎｔｒａｓｔ

意關(guān)聯(lián)，互相關(guān)聯(lián)的Ｓｐａｍ網(wǎng)頁之間的鏈接結(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，又被一些相同網(wǎng)頁引用�；阪溄咏Y(jié)構(gòu)，陳小飛等［１５］提出了一種Ｓｐａｍ網(wǎng)頁過濾算法，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），運用聚類降權(quán)的手段有效評估各鏈接的質(zhì)量，達到降低排序、過濾Ｓｐａｍ網(wǎng)頁的效果。張勇實［１６］對其提出了改進算法ＬＳＣＢ－ＳＲ，提高了Ｓｐａｍ網(wǎng)頁識別率。Ｆｉｇｕｒｅ２Ｌｉｎｋｓｔｒｕｃｔｕｒｅｏｆｔｈｅｓｐａｍｐａｇｅｓ圖２Ｓｐａｍ網(wǎng)頁之間的鏈接結(jié)構(gòu)如圖３所示，假設(shè)ｂ１為Ｓｐａｍ網(wǎng)頁，網(wǎng)頁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，因為它們幫助ｂ１達到目的。但是，不能因為ｂ１有出鏈直接指向ａ３而判定ａ３為Ｓｐａｍ網(wǎng)頁，只能認(rèn)為或許存在一定的作弊可能性，因為ａ３無法阻止ｂ１指向它。另外，ｂ１有出鏈間接指向ａ４，對于ａ４的判定更缺乏依據(jù)。對此，王洪偉等［１７］提出了鏈接作弊系數(shù)的方法來解決。它的基本思路是：借鑒ＢａｄＲａｎｋ算法思想，從Ｓｐａｍ網(wǎng)頁開始，一個網(wǎng)頁如有外鏈指向可能存在作弊行為的網(wǎng)頁（鏈接作弊系數(shù)非零），則該網(wǎng)頁也將被認(rèn)為存在一定的鏈接作弊可能。通過一定次數(shù)的迭代，不僅僅局限于初始Ｓｐａｍ網(wǎng)１９８４ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ＆Ｓｃｉｅｎｃｅ計算機工程與科學(xué)２０１５，３７（１０）

偽造成正常網(wǎng)頁（鏈接的多樣性）的結(jié)構(gòu)，以避開搜索引擎懲罰，所以對入鏈相似度還應(yīng)給予適當(dāng)?shù)臋?quán)重。４．２同類算法的準(zhǔn)確率對比為了驗證ＬＳＳＲ算法的有效性，實驗選擇與Ａｎｔｉ－ＴｒｕｓｔＲａｎｋ算法、ＬＳＣＢ－ＳＲ算法在相同召回率下進行準(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。三種算法在對應(yīng)召回率下通過調(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／召回率對比實驗結(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)點越多（多數(shù)是間接指向Ｓｐａｍ網(wǎng)頁的節(jié)點），節(jié)點范圍更廣，此時ＬＳＳＲ算法還能保持較高的準(zhǔn)確率，說明確實改進了式（５）中的衰減問題，所以它的適用性更好。５結(jié)束語本文為了提高Ｓｐａｍ網(wǎng)頁的識別率，在已有算法和研究成果的基礎(chǔ)上，結(jié)合實際情況，對鏈接相似度算法和作弊系數(shù)算法提出了改進，并將兩種算法組合成全新的ＬＳＳＲ算法。對比實驗的結(jié)果表明，ＬＳＳＲ算法在擬實性、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別效率進行改進，待判定網(wǎng)頁節(jié)點之間的層級（如首頁、欄目頁、內(nèi)容頁）屬性差異研究也可以用來改進識別算法。參考文獻：［１］ＨｅｎｚｉｎｇｅｒＭＲ

【參考文獻】：
期刊論文
[1]搜索引擎排序作弊的識別: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.哈爾濱工程大學(xué) 2012



本文編號：2938952