|
a. 内容型（内容欺骗型与非欺骗型） b. 链接型 c. 复合型
Google 搜索引擎判断spam的一般方法
- 链接分析：网站（域名，IP）之间的链接，网页之间的链接的数目，应该限制在一定的数目内，并且要考虑分布的状况。
- 面单一词汇的分析：（有时叫关键词密度分析）页面单一词汇与页面全部词汇的比例和分布，当页面单一词汇集中在少数关键词上，有spam的嫌疑。
- 连接页面的相似性分析：相互连接的页面几乎完全相似则有spam的嫌疑。
- 内容的贝叶斯分析：关键词之间的相关性可以从训练spam样本和非spam样本得到。例如页面里出现：免费，或者铃声下载都不能判断为spam，但是同时出现“免费”，“铃声下载”就极有可能是spam。
- 相关分析：白名单，黑名单。
- 留言陷阱：例如建立多个blog系统，开放一些文章的留言，内容上说明是专门针对spam留言。这样当一些自动留言程序进行留言后链接就被记录下来，成为一个“陷阱”。
- 正文里非链接的文字的比例。现在采用两种page rank，一种是链接型网页，一种是内容型网页，链接型网页比较容易被判断当做spam，例如 hao123.com 。
（出处：清风网络学院）
上一篇:Google的“Supplemental Result”或补充材料常见问题
下一篇:搜索引擎Yahoo的分类体系及性能评价
|
精品推荐