论文部分内容阅读
网页作弊检测可以被看作二元分类问题。当前基于内容的作弊网页检测方法主要使用统计特征，不能准确识别隐藏的作弊手段。为此，提出一种改进的作弊网页检测方法，使用语义与统计两类特征，将作弊检测深入至主题层次。该方法对网页内容进行主题建模，将网页内容映射至主题空间，根据其主题分布进行语义分析计算，从中提取语义特征，结合统计特征对网页进行分类检测。实验结果表明，该方法在精确率、召回率与F1测度上均获得了较好的效果。