| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 主要研究工作和创新点 | 第16-17页 |
| 1.3.1 主要研究工作 | 第16-17页 |
| 1.3.2 本课题的创新点 | 第17页 |
| 1.4 本文组织结构 | 第17-20页 |
| 第二章 相关理论 | 第20-32页 |
| 2.1 搜索引擎 | 第20-21页 |
| 2.2 搜索引擎结果排序算法 | 第21-23页 |
| 2.2.1 TF/IDF | 第21-22页 |
| 2.2.2 PageRank算法 | 第22页 |
| 2.2.3 HITS算法 | 第22-23页 |
| 2.3 网页作弊 | 第23-25页 |
| 2.3.1 基丁内容的作弊 | 第23-24页 |
| 2.3.2 基于链接的作弊 | 第24页 |
| 2.3.3 隐藏的作弊 | 第24-25页 |
| 2.3.4 其他的作弊方式 | 第25页 |
| 2.4 反作弊技术 | 第25-27页 |
| 2.4.1 基于内容的作弊识别 | 第25-26页 |
| 2.4.2 基于链接的作弊识别 | 第26页 |
| 2.4.3 其他的反作弊技术 | 第26-27页 |
| 2.5 主题模型 | 第27页 |
| 2.6 决策树分类 | 第27-30页 |
| 2.6.1 ID3算法与C4.5算法 | 第28-29页 |
| 2.6.2 随机森林算法 | 第29-30页 |
| 2.6.3 集成学习 | 第30页 |
| 2.7 本章小结 | 第30-32页 |
| 第三章 基于主题模型与语义分析的Web Spam检测方法研究 | 第32-42页 |
| 3.1 基于主题模型的语义分析方法 | 第32-33页 |
| 3.2 特征表示 | 第33-39页 |
| 3.2.1 基于主题与语义的特征 | 第33-38页 |
| 3.2.2 基于统计的特征 | 第38-39页 |
| 3.3 基于主题模型与语义分析的作弊网页检测算法 | 第39-41页 |
| 3.3.1 算法思想与框架 | 第39-40页 |
| 3.3.2 特征提取 | 第40-41页 |
| 3.3.3 学习分类 | 第41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 作弊网页检测系统设计与实现 | 第42-54页 |
| 4.1 作弊网页检测系统架构设计 | 第42-43页 |
| 4.2 数据存储模块设计 | 第43-45页 |
| 4.3 网页抓取模块设计 | 第45-46页 |
| 4.4 样本构建模块设计 | 第46-49页 |
| 4.4.1 网页特征提取 | 第47-48页 |
| 4.4.2 网页样本构建 | 第48-49页 |
| 4.5 网页检测模块设计 | 第49页 |
| 4.6 系统实现 | 第49-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 实验分析 | 第54-60页 |
| 5.1 实验数据集 | 第54-55页 |
| 5.2 实验评测指标 | 第55页 |
| 5.3 实验过程与结果分析 | 第55-58页 |
| 5.3.1 比较LDA参数K与twords对检测效果的影响 | 第56-57页 |
| 5.3.2 比较不同分类器的检测效果 | 第57-58页 |
| 5.3.3 与其他检测方法的效果比较 | 第58页 |
| 5.4 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 未来展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 研究成果及发表的学术论文 | 第68-70页 |
| 作者与导师简介 | 第70-71页 |
| 附件 | 第71-72页 |