[发明专利]一种基于小样本集的搜索引擎作弊检测方法

摘要

本发明涉及互联网信息检索，公开一种基于小样本集的互联网作弊检测方法，以打击日益严峻的搜索引擎作弊行为，本发明针对检测样本收集成本高这一难题，利用基于分类器的自学习和基于互联网拓扑结构的链接学习过程的迭代执行，不断扩充训练集，以实现在小样本集下对搜索引擎作弊进行检测，并在识别过程中采用集成的降采样策略，充分利用了互联网上广泛存在的高信誉网站所包含的信息。最后进行沿互联网拓扑结构的基于预测作弊度的标号传递，以实现检测结果优化。利用实验表明这一方法能有效地对作弊行为进行检测。

主权项

1、一种基于小样本集的搜索引擎作弊检测方法，其特征在于，步骤如下：步骤S1：对所有网页样本进行预处理，将样本集划分为训练集、测试集和无标号集；步骤S2：使用划分好的训练集和无标号集进行基于分类器的自学习和基于互联网拓扑结构的链接学习，以扩充训练集；步骤S3：针对扩展后的训练集，采用集成的降采样策略训练分类器，利用训练好的分类器对测试集中的样本进行检测；步骤S4：检测结果的后处理阶段---基于预测作弊度的标号传递，完成搜索引作弊检测。