反搜索引擎作弊中種子集合自動(dòng)擴(kuò)展算法研究.pdf

1、隨著搜索引擎和萬(wàn)維網(wǎng)的飛速發(fā)展，快速增長(zhǎng)的網(wǎng)絡(luò)信息在供人們分享和獲取的同時(shí)，也催生了大量的搜索引擎作弊行為。搜索引擎作弊是指利用各種手段欺騙搜索引擎排序算法，從而讓一些頁(yè)面獲得比它們應(yīng)得的頁(yè)面排名更靠前的排名。搜索引擎作弊會(huì)造成增加搜索服務(wù)提供商的運(yùn)營(yíng)成本，降低用戶使用搜索引擎的滿意程度等問(wèn)題。
　　 傳統(tǒng)的基于啟發(fā)式規(guī)則的反作弊算法難以廣泛的對(duì)抗搜索引擎作弊行為，而且容易被作弊者攻破?；谛湃蝹鞑サ姆醋鞅姿惴▽?duì)作弊者的攻擊具有

2、較高的魯棒性，能廣泛的抵抗作弊行為。但由于這類反作弊算法有效性依賴于可信的種子節(jié)點(diǎn)，因此種子節(jié)點(diǎn)集合的數(shù)量和質(zhì)量會(huì)約束算法在抵抗作弊行為上的效率。傳統(tǒng)的獲取種子集合的方法依賴于人工評(píng)測(cè)。這不僅從成本上限制了種子集合不會(huì)太大，而且難以保證選取的種子節(jié)點(diǎn)的質(zhì)量。因此，如何選取或擴(kuò)展種子節(jié)點(diǎn)集合來(lái)滿足基于信任傳播反作弊算法的需要，成為了反搜索引擎作弊算法中值得研究的問(wèn)題。
　　 本文提出的ASE算法(Automatic Seed Ex

3、pansion)，引入了節(jié)點(diǎn)間的可信支持度的概念，并結(jié)合領(lǐng)域知識(shí)和網(wǎng)絡(luò)節(jié)點(diǎn)共引用的拓?fù)浣Y(jié)構(gòu)，能夠?qū)⒁粋€(gè)小規(guī)模的種子節(jié)點(diǎn)集合擴(kuò)展成為一個(gè)大規(guī)模的，高質(zhì)量的，具有較小領(lǐng)域偏向性的種子節(jié)點(diǎn)集合，從而滿足了基于信任傳播的反作弊算法的對(duì)種子節(jié)點(diǎn)集合質(zhì)量和數(shù)量的需要。同時(shí)，本文還進(jìn)一步分析了如何為ASE算法選取初始的小規(guī)模種子節(jié)點(diǎn)集合，分別給出了適用于不同情況的兩個(gè)啟發(fā)式算法combineSelection和thresholdSeleetion，并