一种搜索引擎作弊检测的优化方法

    公开(公告)号:CN101493819A

    公开(公告)日:2009-07-29

    申请号:CN200810056726.1

    申请日:2008-01-24

    Abstract: 本发明公开了一种搜索引擎作弊检测的优化方法,该方法包括:步骤S1:预处理所有网页和超链接,进行特征提取,针对提取的特征进行初步作弊检测;步骤S2:在初步作弊检测结果的基础上,进行二级特征提取,提取出聚类特征、传递特征和近邻特征;步骤S3:在初步作弊检测结果和二级特征提取结果的基础上,采用机器学习算法对作弊进行再检测,并生成检测结果。利用本发明,解决了现有技术中启发式作弊检测方法的不稳定性问题,并最大程度上优化了搜索引擎作弊检测的性能。

    一种基于小样本集的搜索引擎作弊检测方法

    公开(公告)号:CN101350011A

    公开(公告)日:2009-01-21

    申请号:CN200710119196.6

    申请日:2007-07-18

    Abstract: 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。

    一种基于知识库的医院信息搜索引擎及系统

    公开(公告)号:CN101441636A

    公开(公告)日:2009-05-27

    申请号:CN200710177798.7

    申请日:2007-11-21

    Abstract: 本发明基于知识库的医疗搜索引擎及系统,抓取中文医疗健康目录构建原始医疗网页库;对原始医疗网页库中的网页进行相关信息抽取,提取对医院、科室、医生的评论信息,构建医疗评论信息库;使用词频统计和调查问卷,对抽取的相关信息进行医疗评论属性字段提取,提取观点短语,观点短语倾向性分析,给出评论评论信息是正面或是反面的分析结果,确定医院、科室、医生的排名;根据医疗知识库对搜索结果进行排序,将高度结构化和高度相关的信息提供给用户。本发明针对通用搜索引擎结果信息是非结构化、相关度和准确度低等缺点,构建医疗知识库,为用户提供高度结构化的医疗信息,提高用户查询医疗信息相关度和准确率,能有效提高搜索结果的准确率和召回率。

    一种搜索引擎作弊检测的优化方法

    公开(公告)号:CN101493819B

    公开(公告)日:2011-09-14

    申请号:CN200810056726.1

    申请日:2008-01-24

    Abstract: 本发明公开了一种搜索引擎作弊检测的优化方法,该方法包括:步骤S1:预处理所有网页和超链接,进行特征提取,针对提取的特征进行初步作弊检测;步骤S2:在初步作弊检测结果的基础上,进行二级特征提取,提取出聚类特征、传递特征和近邻特征;步骤S3:在初步作弊检测结果和二级特征提取结果的基础上,采用机器学习算法对作弊进行再检测,并生成检测结果。利用本发明,解决了现有技术中启发式作弊检测方法的不稳定性问题,并最大程度上优化了搜索引擎作弊检测的性能。

    一种基于小样本集的搜索引擎作弊检测方法

    公开(公告)号:CN101350011B

    公开(公告)日:2011-09-07

    申请号:CN200710119196.6

    申请日:2007-07-18

    Abstract: 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。

Patent Agency Ranking