LINK SPAM技术的研究及相关算法在海量真实WEB数据上的有效性验证

Internet和WEB搜索引擎的发展正迅速改变着这个世界:不仅影响着人们日常生活和购物的习惯，并且蕴涵着巨大的商机。对许多个人或是公司来说如何能在上百亿的海量WEB数据中被搜索引擎排序在前列成为至关重要。由此Web Spamming现象和技术就产生了：人为地使某些网页得到其不应该得到的高排序值。Web Spamming严重地影响了WEB搜索引擎的性能和检索结果的质量，被称为未来WEB搜索引擎研究所面临的最大的挑战之一。本项目正是对Web Spamming中最重要的，今后占主导地位的Link Spam进行研究，主要内容包括1）对SPAM网页和Link Spam结构进行统计分析和结构分析；2）通过基于链接分析的聚类算法来识别Link Spam的核心结构；3）提出基于图近似匹配和决策树的高效识别算法以及多层次应对算法；4）在海量真实Web数据上验证提出算法的有效性并和目前的启发式算法进行比较