一种结合差异特征分布与链接特征的网页排序方法

摘要

本发明涉及一种结合差异特征分布与链接特征的网页排序方法。首先通过TrustRank算法计算网页信任值；分析已标记为正常与垃圾网页的差异特征分布，选择正常网页与垃圾网页差异特征分布有明显差异的特征，称为差异特征；根据网页差异特征分布，计算网页差异特征的信任贡献值；结合网页信任值与网页差异特征的信任贡献值计算网页信任度；根据网页信任度对网页排序。本发明利用正常网页与垃圾网页在分布上存在差异的内容特征，结合网页链接特征，更好地提高好网页的排序，降低垃圾网页的排序。

主权项

一种结合差异特征分布与链接特征的网页排序方法，其特征是：首先通过TrustRank算法计算网页信任值；分析已标记为正常与垃圾网页的特征分布，选择正常网页与垃圾网页特征分布有明显差异的特征，称为差异特征；根据网页差异特征分布，计算网页差异特征的信任贡献值；结合网页信任值与网页差异特征的信任贡献值计算网页信任度；根据网页信任度对网页排序；网页p差异特征的信任贡献值计算公式为：$g\left(p\right)=\underset{i=1}{\overset{n}{\Pi }}|f_i\left(x\right)-y_{\mathrm{pi}}\left(x\right)|$其中为网页第i个差异特征对应的正态分布函数，μ_i为网页第i个差异特征的均值，σ_i为网页第i个差异特征的标准差；y_pi(x)为网页p的第i个差异特征值为x的网页所占比例，n为差异特征个数。