شناسایی هرزنوشتهی وب با استفاده از الگوریتمهای هوشمند

همواره موتورهای جستجو در تلاشند تا سایتهای مرتبط با جستار کاربر را در رتبههای بالاتر قرار دهند. همین تلاش موتورهای جستجو می تواند توسط سودجویان مورد سوء استفاد ه قرار گرفت ه و معضلی تحت عنوان هرزنوشتهی وب را ایجا د مینماید که افزایش رتبه کاذب صفحات اینترنتی از طریق فریب الگوریتم های موتورهای جستجو میباشد. کاربردهای صفحات هرزنوشته را می توان اقتصادی، سیاسی و تبلیغاتی دانست. تاکنون روشهای بسیاری برای مقابله با پدیده هرزنوشتهی وب ایجاد شده اند. این مقاله به بررسی انواع روشهای هرزنگاری و بررسی چند الگوریتم هوشمند برای شناسایی هرزنوشتهی وب میپردازد که برای این کار از ویژگیهای محتوایی مجموعه دادهی استانداردWEBSPAM-UK 2007 استفاده شده است که هر نمونه در این مجموعه داده، بیان کننده صفحات هرزنوشته و معتبر است که معیارهای دقت و سرعت و نرخ فراخوانی و نرخ درستی و امتیازF1 الگوریتمهای هوشمند در تشخیص هرزنوشته یا معتبر بودن صفحات را بررسی کردهایم

Keywords:

هرزنوشتهی وب , مزرعه لینک , ماشین بردار پشتیبان , شبکهی بیزین , C4.5