垃圾博客檢測技術的研究與實現(xiàn).pdf

1、隨著Web2.0的飛速發(fā)展，人們正在從網(wǎng)絡內(nèi)容的使用者向網(wǎng)絡內(nèi)容的提供者轉(zhuǎn)變，網(wǎng)絡上出現(xiàn)了各種各樣的用戶生成內(nèi)容，其中以博客最具代表性。隨著博客的飛速發(fā)展，博客數(shù)量激增，博客已經(jīng)成為人們?nèi)粘Ｉ钪斜夭豢缮俚囊徊糠?。博客的到來正在逐漸改變著人們?nèi)粘Ｉ钪械慕涣鞣绞剑藗兺ㄟ^在博客中發(fā)帖子來表達自己的心情或者心得體會。博客的飛速發(fā)展也帶來了大量的垃圾博客。垃圾博客的泛濫不僅浪費了大量的網(wǎng)絡帶寬資源和網(wǎng)絡存儲空間，更惡劣的是它嚴重損害了Web

2、的可信度和博客的內(nèi)容質(zhì)量，降低了用戶進行網(wǎng)絡信息共享的滿意度。
　　垃圾博客的檢測是一個分類問題。傳統(tǒng)的垃圾博客檢測過程中存在三點不足之處:一、把博客中的博文看做是一個網(wǎng)頁分別進行檢測，沒有把一個博客看做是一個整體;二、在博客的特征提取方面，只是提取了博客的內(nèi)容特征和鏈接特征，沒有考慮博客區(qū)別于網(wǎng)頁的特征;三、單分類器越來越不適用于日益復雜的數(shù)據(jù)形式。本文對這些不足之處進行了研究，在對垃圾博客進行檢測時，把一個博客中的所有博文看做