基于社区发现的搜索引擎反作弊方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-10页 |
| 2 背景与相关工作 | 第10-32页 |
| 2.1 相关性排名模型 | 第10-11页 |
| 2.2 重要性排名模型 | 第11-13页 |
| 2.2.1 基础模型 | 第12页 |
| 2.2.2 链接模型算法 | 第12-13页 |
| 2.3 搜索引擎作弊 | 第13-16页 |
| 2.3.1 文本作弊 | 第13-14页 |
| 2.3.2 链接作弊 | 第14-16页 |
| 2.3.3 隐藏和重定向 | 第16页 |
| 2.3.4 点击作弊 | 第16页 |
| 2.4 反作弊算法发展现状 | 第16-32页 |
| 2.4.1 基于内容的反作弊算法 | 第17页 |
| 2.4.2 基于链接的反作弊算法 | 第17-27页 |
| 2.4.3 基于用户行为的检测 | 第27-28页 |
| 2.4.4 社交网络的作弊检测 | 第28-32页 |
| 3 基于社区发现的搜索引擎反作弊 | 第32-43页 |
| 3.1 信任传播算法 | 第32-33页 |
| 3.2 Web作弊社区 | 第33-34页 |
| 3.3 社区发现算法 | 第34-38页 |
| 3.3.1 全局社区发现 | 第34-36页 |
| 3.3.2 作弊概率方法 | 第36-37页 |
| 3.3.3 局部社区发现 | 第37-38页 |
| 3.4 带区分的信任传播 | 第38-43页 |
| 3.4.1 带区分的TrustRank | 第39-40页 |
| 3.4.2 带区分的LCRank | 第40页 |
| 3.4.3 带区分的CPV | 第40-41页 |
| 3.4.4 带区分的TDRank | 第41页 |
| 3.4.5 算法其他参数 | 第41-43页 |
| 4 实验结果与分析 | 第43-56页 |
| 4.1 参数设置 | 第43-46页 |
| 4.2 社区发现算法实验结果 | 第46-47页 |
| 4.3 改进算法实验结果 | 第47-56页 |
| 4.3.1 Top-k的桶中作弊页面数 | 第48-50页 |
| 4.3.2 作弊页面平均降级数 | 第50-53页 |
| 4.3.3 L-TrustRank与TDR对比 | 第53-54页 |
| 4.3.4 作弊因子对比 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
