隱藏型垃圾網頁檢測研究.pdf

1、垃圾網頁是指網頁制造者采用迷惑或欺騙搜索引擎的手段，使得網頁在檢索結果中的排名高于實際排名的行為。這種頁面不僅影響搜索引擎檢索的準確率和效率，也嚴重惡化了用戶的搜索體驗，被公認為互聯網檢索面臨的最大挑戰(zhàn)之一。在垃圾網頁作弊技術中，隱藏型作弊具有隱蔽性、欺詐性和難以檢測等特點，已成為垃圾網頁檢測中一個亟待解決的問題。
　　 本文綜述了目前國內外隱藏型垃圾網頁檢測技術的研究現狀，介紹了隱藏型作弊技術的類型和特點?？偨Y歸納偽裝型垃圾網

2、頁的現象，詳細介紹偽裝型垃圾網頁的實現機理以及國內外針對隱藏型垃圾網頁的檢測技術。
　　 本文根據已總結的偽裝型垃圾網頁的七種現象，提出了基于類型的Cloaking檢測算法，設計了偽裝型垃圾網頁的檢測系統框架。該框架包括數據集獲取、網頁特征信息提取、Cloaking檢測和文件管理四大模塊。其中數據集獲取模塊對模擬搜索引擎爬蟲和用戶瀏覽器獲取搜索結果進行了詳細的介紹，網頁特征信息提取模塊對特定標簽以及內容和鏈接特征的有效性進行了詳