搜索引擎排序作弊通過(guò)提高網(wǎng)頁(yè)與搜索請(qǐng)求的相關(guān)性,達(dá)到提高搜索排名的目的.為此,根據(jù)作弊網(wǎng)頁(yè)的特征,引入作弊傾向系數(shù)這一概念來(lái)衡量網(wǎng)頁(yè)作弊的可能性.網(wǎng)頁(yè)作弊通過(guò)多種手段實(shí)現(xiàn),鑒于此本文基于網(wǎng)頁(yè)內(nèi)容本身的名詞密度特征,衡量頁(yè)面內(nèi)容作弊的可能性,由于搜索關(guān)鍵詞大部分為名詞,超過(guò)一定名詞比例閾值的頁(yè)面,其內(nèi)容作弊的可能性越大.根據(jù)頁(yè)面的鏈接特征,衡量頁(yè)面鏈接作弊的可能性,從黑名單頁(yè)面通過(guò)迭代計(jì)算鏈接作弊系數(shù),并根據(jù)與黑名單頁(yè)面的距離設(shè)置權(quán)重.最終從上述兩方面特征來(lái)綜合考量頁(yè)面的作弊傾向系數(shù).選取PageRank,TrustRank,BadRank為基線實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了關(guān)于檢索詞性分析的假設(shè)以及鏈接作弊檢測(cè)算法的有效性. 

【文章來(lái)源】：系統(tǒng)工程理論與實(shí)踐. 2015,35(02)北大核心CSSCIEICSCD

【文章頁(yè)數(shù)】：13 頁(yè)

【部分圖文】：

圖２某網(wǎng)絡(luò)結(jié)構(gòu)圖??給定網(wǎng)絡(luò)圖Ｇ＝〈Ｐ，?Ｌ＞，頁(yè)面ｐ?ｅ?頁(yè)面ｐ的鏈接作弊傾向系數(shù)可由公式（２）計(jì)算．??

第２期?王洪偉，等：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?４５３??ｘｌＯ５??１６．?１?１?１?１?１?１?１?１?１???１４?－??１２?－?－??１０?－?－??＿?Ｉ??＾?８?＂Ｉ????４?－?■?．．．．????????■?■?￣??２?－?Ｖ＾．?－??°０?１０?２０?３０?４０?５０?６０?７０?８０?９０?１００??句法類型??圖３高頻句法類型折線圖??根據(jù)表４，３個(gè)詞以內(nèi)的純名詞組合壟斷了三甲，而排名５個(gè)詞以內(nèi)的純名詞組合出現(xiàn)頻率至少是前４５??名，占高頻句法組合的４４．５１％；而排名前１００的句法類型中，包含名詞的則有７９種，共計(jì)５１４８４０１個(gè)查詢，??占到高頻詞性標(biāo)注結(jié)果中的８１．２４％，由此可以推斷名詞是搜索引擎查詢中使用最廣泛的關(guān)鍵詞，驗(yàn)證了本文??的假設(shè)．??３．２基于鏈接作弊傾向的反作弊試驗(yàn)??采用Ｃ＋＋對(duì)本文算法以及相關(guān)的排序算法編程實(shí)現(xiàn)，數(shù)據(jù)處理過(guò)程在ＳＱＬ?Ｓｅｒｖｅｒ?２００５中進(jìn)行．由于??素材中無(wú)法包含相應(yīng)的網(wǎng)頁(yè)內(nèi)容，將公式（６）的網(wǎng)頁(yè)作弊傾向系數(shù)完全由鏈接作弊傾向系數(shù)決定，即內(nèi)容作??弊傾向系數(shù)為０，而基本的排名算法采用經(jīng)典的ＰａｇｅＲａｎｋ算法．??實(shí)驗(yàn)素材來(lái)自搜狗實(shí)驗(yàn)室，共包含３５３７３７９個(gè)網(wǎng)頁(yè)８４５６７４０條鏈接．以網(wǎng)站為研究對(duì)象，對(duì)網(wǎng)頁(yè)預(yù)處理．??去除網(wǎng)站的自反鏈接以及重復(fù)鏈接．同時(shí)，去掉沒(méi)有鏈出鏈接的網(wǎng)站，因?yàn)檫@類網(wǎng)站對(duì)ＰａｇｅＲａｎｋ算法是無(wú)??效的．最后，得到６０３１個(gè)網(wǎng)站，以及相互間的２７９９４條鏈接．然而，上述６０３１個(gè)網(wǎng)站中，有３８８８?jìng)�(gè)網(wǎng)站只??有鏈

的排名進(jìn)行對(duì)比，通過(guò)公式（１０），測(cè)試新算法的反作弊性能．??Ｓｒａｎｋ（叫－ｙ－＞ｍ￣丑（五．）—?（１０）??其中，ｍ表示排名次序，以２００為單位，得到１０個(gè)區(qū)間．分子表示原排名位于前ｍ的種子頁(yè)面中，經(jīng)過(guò)新算??法處理后的排名之和；分母代表排名前ｍ的種子頁(yè)面，在ＰａｇｅＲａｎｋ算法（如果與其他算法對(duì)比，則使用其??他算法的排名）中的排名之和．當(dāng)Ｓｒａｎｋ（ｍ＞０時(shí)，說(shuō)明新算法對(duì)舊算法有反作弊性能提升，反之則沒(méi)有．??令阻尼系數(shù)ｄ?＝?０．８５，調(diào)整ａ的不同取值，觀察反作弊效果．由圖４可知，在ａ的不同取值下，新算法較??ＰａｇｅＲａｎｋ算法的反作弊性能均有提升．當(dāng)ａ?＝?０時(shí)．公式（５）的懲罰因子由作弊頁(yè)面的關(guān)聯(lián)度決定，因此針??對(duì)作弊相關(guān)頁(yè)面的懲罰力度較ａ的其它取值更大：當(dāng)ａ?＝?１時(shí)，懲罰因子則由作弊傾向系數(shù)決定，此時(shí)針對(duì)??全局的懲罰力度較強(qiáng)，并不針對(duì)直接將鏈接指向作弊頁(yè)面的網(wǎng)頁(yè)，同時(shí)將鏈接指向這種頁(yè)面的頁(yè)面也會(huì)受到??一定的連帶懲罰；當(dāng)ａ?＝?０．５時(shí)，則綜合考慮了兩方面因子，并且這兩方面因子在懲罰因子中的權(quán)重一樣，所??以其針對(duì)種子頁(yè)面的反作弊表現(xiàn)介于ａ?＝?０與ａ?＝?１之間．??３?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?１???□?？＝０??０?Ｓ?￣＾￣？＝０．２５??“????木?ａ＝０．５?‘?＿??／?—＾￣？＝０．７５??２?＿?／?＾―———ｉｔ?？＝ｉ?■??０??１?１?１?１?１?１?Ｉ?Ｉ?Ｉ??２００?４００?６００?８００?１０００?１２００?１４００?１６００?１８００?２０００??ｍ??圖４新算法與ＰａｇｅＲａｎｋ算法的對(duì)

【參考文獻(xiàn)】：
期刊論文
[1]上下文對(duì)用戶搜索行為的影響[J]. 何秀,牛之賢,孫靜宇.  情報(bào)雜志. 2012(10)
[2]元搜索引擎中排序融合算法的優(yōu)化研究[J]. 董樂(lè),謝紅薇.  計(jì)算機(jī)應(yīng)用與軟件. 2012(10)
[3]一種抵抗鏈接作弊的PageRank改進(jìn)算法[J]. 賀志明,王麗宏,張剛,程學(xué)旗.  中文信息學(xué)報(bào). 2012(05)
[4]基于網(wǎng)站影響力的網(wǎng)頁(yè)排序算法[J]. 張芳,郭常盈.  計(jì)算機(jī)應(yīng)用. 2012(06)
[5]基于JavaScript的網(wǎng)頁(yè)重定向作弊技術(shù)研究[J]. 王暾.  計(jì)算機(jī)與數(shù)字工程. 2012(03)
[6]搜索引擎垃圾網(wǎng)頁(yè)檢測(cè)模型研究[J]. 賈志洋,夏幼明,高煒,王勇剛.  重慶文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2011(05)
[7]反搜索引擎作弊的相關(guān)探討[J]. 李俊.  網(wǎng)絡(luò)與信息. 2011(01)
[8]PageRank算法的分析及其改進(jìn)[J]. 王德廣,周志剛,梁旭.  計(jì)算機(jī)工程. 2010(22)
[9]搜索引擎應(yīng)對(duì)網(wǎng)站作弊的搜索策略和用戶的檢索策略[J]. 劉俊熙.  現(xiàn)代情報(bào). 2007(06)



本文編號(hào)：3092463