版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、Web Spam是一種不考慮網(wǎng)頁的真正價值,卻有意實施不公正的相關(guān)性或重要性的排名行為。它的出現(xiàn)不但威脅到搜索引擎的公正排名,同時還嚴(yán)重影響用戶的搜索體驗。如何通過分類來檢測 Web Spam,以及如何通過網(wǎng)頁排序得到內(nèi)容相關(guān)的網(wǎng)頁已成為目前的研究熱點(diǎn)。本文針對 Web Spam分類和網(wǎng)頁排序算法進(jìn)行了深入的研究。主要工作如下:
第一,首先分析了內(nèi)容特征屬性和鏈接特征屬性對 Web Spam的影響,針對單純利用內(nèi)容或鏈接作為特
2、征屬性分類的不足,提出了一種新的特征屬性。該特征屬性基于網(wǎng)頁內(nèi)容和鏈接之間的關(guān)系,通過計算兩個網(wǎng)頁中不同元素的相似度來獲得。然后,將內(nèi)容特征屬性、鏈接特征屬性和新特征屬性融合產(chǎn)生一種新的分類特征屬性。最后,根據(jù)Web Spam數(shù)據(jù)集不平衡的特點(diǎn),將代價敏感方法與決策樹算法C4.5結(jié)合用于Web Spam分類。通過數(shù)據(jù)集 WebSpam-UK2007進(jìn)行實驗,分類結(jié)果優(yōu)于決策樹算法C4.5,驗證了該分類算法的可行性和有效性。
第
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于鏈接分析的網(wǎng)頁排序及相關(guān)Link Spam算法的研究.pdf
- 基于排序算法的垃圾網(wǎng)頁檢測技術(shù).pdf
- 網(wǎng)頁學(xué)習(xí)排序算法研究.pdf
- Web Spam檢測技術(shù)研究與實現(xiàn).pdf
- 基于內(nèi)容的spam檢測算法研究及改進(jìn).pdf
- 網(wǎng)頁排序中的隨機(jī)模型及算法.pdf
- Web Spam特征分析及其檢測技術(shù)研究.pdf
- 基于BROESE RANK算法的網(wǎng)頁排序算法研究.pdf
- 基于BrowseRank的網(wǎng)頁排序改進(jìn)算法研究.pdf
- 網(wǎng)頁排序中PageRank算法和HITS算法的研究.pdf
- 基于改進(jìn)PageRank算法的網(wǎng)頁排序問題研究.pdf
- 基于網(wǎng)頁內(nèi)容和時間反饋的網(wǎng)頁排序PageRank算法研究.pdf
- DistanceRank與HITS混合的網(wǎng)頁排序算法研究.pdf
- 基于鏈接相似度的網(wǎng)頁排序算法研究.pdf
- 基于搜索引擎網(wǎng)頁排序算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁排序?qū)W習(xí)算法研究.pdf
- 基于鏈接結(jié)構(gòu)的中文網(wǎng)頁排序算法研究.pdf
- 面向特定領(lǐng)域的新聞網(wǎng)頁重排序算法研究.pdf
- Web結(jié)構(gòu)挖掘中的頁面排序算法研究.pdf
- 改進(jìn)的基于歷史信息分析的網(wǎng)頁排序算法.pdf
評論
0/150
提交評論