| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究历程和现状 | 第10-11页 |
| 1.3 研究垃圾博客的意义 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 2 文本分类以及相关经典算法 | 第13-22页 |
| 2.1 文本分类的定义 | 第13页 |
| 2.2 文本分类的方法 | 第13-16页 |
| 2.2.1 K最近邻算法(k-Nearest Neighbor,KNN) | 第13页 |
| 2.2.2 支持向量机 | 第13-14页 |
| 2.2.3 朴素贝叶斯 | 第14-15页 |
| 2.2.4 Adaboost | 第15-16页 |
| 2.3 文本分类技术 | 第16-18页 |
| 2.3.1 数据预处理技术 | 第16-17页 |
| 2.3.2 文本相似度度量 | 第17-18页 |
| 2.4 特征相关性分析 | 第18-19页 |
| 2.5 向量空间模型 | 第19-22页 |
| 2.5.1 向量空间模型及相关概念 | 第19-20页 |
| 2.5.2 文本特征权重 | 第20-22页 |
| 3 基于组合特征的动态垃圾博客的分类及特征分析 | 第22-35页 |
| 3.1 垃圾博客的分类 | 第22-23页 |
| 3.2 垃圾博客的特征分析 | 第23-24页 |
| 3.2.1 从属特征 | 第23页 |
| 3.2.2 内容源特征 | 第23-24页 |
| 3.2.3 创建过程特征 | 第24页 |
| 3.3 垃圾博客的自相似特征 | 第24-26页 |
| 3.3.1 时间序列自相似特征特征 | 第25页 |
| 3.3.2 内容结构特征 | 第25-26页 |
| 3.4 WFD算法 | 第26页 |
| 3.5 CFDSD算法 | 第26-32页 |
| 3.5.1 作者属性 | 第26-27页 |
| 3.5.2 自相似特征的阈值 | 第27-29页 |
| 3.5.3 贝叶斯词频分类 | 第29-30页 |
| 3.5.4 组合特征的贝叶斯分类算法 | 第30-32页 |
| 3.6 基于组合特征垃圾博客过滤实验 | 第32-34页 |
| 3.6.1 实验数据选取及运行环境 | 第32页 |
| 3.6.2 评估标准 | 第32页 |
| 3.6.3 实验结果分析 | 第32-34页 |
| 3.7 本章小结 | 第34-35页 |
| 4 基于特征关联树的垃圾博客检测算法 | 第35-44页 |
| 4.1 博客的特征分析 | 第35-37页 |
| 4.1.1 URL的黑、白名单 | 第35页 |
| 4.1.2 关键词短语 | 第35-36页 |
| 4.1.3 链接锚文本 | 第36页 |
| 4.1.4 期望交叉熵(Expected Cross Entropy,ECE) | 第36-37页 |
| 4.2 构建关联树 | 第37-41页 |
| 4.3 特征关联树实验 | 第41-43页 |
| 4.3.1 实验室数据选取以及运行环境 | 第41页 |
| 4.3.2 实验结果分析 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 结论与未来研究方向 | 第44-46页 |
| 5.1 本文工作总结 | 第44页 |
| 5.2 未来研究方向 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间发表学术论文情况 | 第49-50页 |
| 致谢 | 第50页 |