隱藏型垃圾網(wǎng)頁(yè)檢測(cè)研究.pdf

1、垃圾網(wǎng)頁(yè)是指網(wǎng)頁(yè)制造者采用迷惑或欺騙搜索引擎的手段，使得網(wǎng)頁(yè)在檢索結(jié)果中的排名高于實(shí)際排名的行為。這種頁(yè)面不僅影響搜索引擎檢索的準(zhǔn)確率和效率，也嚴(yán)重惡化了用戶(hù)的搜索體驗(yàn)，被公認(rèn)為互聯(lián)網(wǎng)檢索面臨的最大挑戰(zhàn)之一。在垃圾網(wǎng)頁(yè)作弊技術(shù)中，隱藏型作弊具有隱蔽性、欺詐性和難以檢測(cè)等特點(diǎn)，已成為垃圾網(wǎng)頁(yè)檢測(cè)中一個(gè)亟待解決的問(wèn)題。
　　 本文綜述了目前國(guó)內(nèi)外隱藏型垃圾網(wǎng)頁(yè)檢測(cè)技術(shù)的研究現(xiàn)狀，介紹了隱藏型作弊技術(shù)的類(lèi)型和特點(diǎn)?？偨Y(jié)歸納偽裝型垃圾網(wǎng)

2、頁(yè)的現(xiàn)象，詳細(xì)介紹偽裝型垃圾網(wǎng)頁(yè)的實(shí)現(xiàn)機(jī)理以及國(guó)內(nèi)外針對(duì)隱藏型垃圾網(wǎng)頁(yè)的檢測(cè)技術(shù)。
　　 本文根據(jù)已總結(jié)的偽裝型垃圾網(wǎng)頁(yè)的七種現(xiàn)象，提出了基于類(lèi)型的Cloaking檢測(cè)算法，設(shè)計(jì)了偽裝型垃圾網(wǎng)頁(yè)的檢測(cè)系統(tǒng)框架。該框架包括數(shù)據(jù)集獲取、網(wǎng)頁(yè)特征信息提取、Cloaking檢測(cè)和文件管理四大模塊。其中數(shù)據(jù)集獲取模塊對(duì)模擬搜索引擎爬蟲(chóng)和用戶(hù)瀏覽器獲取搜索結(jié)果進(jìn)行了詳細(xì)的介紹，網(wǎng)頁(yè)特征信息提取模塊對(duì)特定標(biāo)簽以及內(nèi)容和鏈接特征的有效性進(jìn)行了詳