ارائه روشی بر مبنای پیوند جهت بهبود تشخیص صفحات فریب‌آمیز در گراف وب فارسی

نویسندگان

1 دانشجوی کارشناسی‌ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد،یزد،

2 دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران

چکیده

امروزهباافزایشچشمگیراستفادهازاینترنتوهمچنینرشدبسیارفزایندهصفحاتوب،استفادهازموتورهای جستجو اهمیتبیشتریپیداکردهاست. درنتیجهبعضیازافرادبرایبدستآوردنمخاطببیشترو افزایش سود ناشی از آن تلاشمی­­کنندموتورهای جستجوراگمراهکنندورتبهصفحاتموردنظرخودراباروش­هاینامشروعبالاببرند.شناساییاینصفحاتمی­تواندنقشیاساسیدربهبودعملکردموتورهایجستجووبالابردناطمینانکاربرانبه آنهاگردد. نظر به اهمیت کشف صفحات وب فریب­آمیز، دراینمقالهروشی جدید بر مبنای اطلاعات پیوندها جهت شناسایی صفحات فریب­آمیز در گراف وب فارسی ارائه می­گردد. در این روش با بهره­گیری از اطلاعات پیوندها، ابتدا توده­های فریب­آمیز شناسایی می­شود و سپس امتیاز منفی آنها در کل گراف انتشار می­یابد. برای بررسی صحت عملکرد الگوریتم ارائه شده،  این روش بر روی داده­های موتور جستجوی فارسی پارسی­جو پیاده­سازی شده است و نتایج ارزیابی­های صورت گرفته بهبودی برابر با 21.2% را در فاکتور دقت نشان می­دهد.
امروزهباافزایشچشمگیراستفادهازاینترنتوهمچنینرشدبسیارفزایندهصفحاتوب،استفادهازموتورهای جستجو اهمیتبیشتریپیداکردهاست. درنتیجهبعضیازافرادبرایبدستآوردنمخاطببیشترو افزایش سود ناشی از آن تلاشمی­­کنندموتورهای جستجوراگمراهکنندورتبهصفحاتموردنظرخودراباروش­هاینامشروعبالاببرند.شناساییاینصفحاتمی­تواندنقشیاساسیدربهبودعملکردموتورهایجستجووبالابردناطمینانکاربرانبه آنهاگردد. نظر به اهمیت کشف صفحات وب فریب­آمیز، دراینمقالهروشی جدید بر مبنای اطلاعات پیوندها جهت شناسایی صفحات فریب­آمیز در گراف وب فارسی ارائه می­گردد. در این روش با بهره­گیری از اطلاعات پیوندها، ابتدا توده­های فریب­آمیز شناسایی می­شود و سپس امتیاز منفی آنها در کل گراف انتشار می­یابد. برای بررسی صحت عملکرد الگوریتم ارائه شده،  این روش بر روی داده­های موتور جستجوی فارسی پارسی­جو پیاده­سازی شده است و نتایج ارزیابی­های صورت گرفته بهبودی برابر با 21.2% را در فاکتور دقت نشان می­دهد.

کلیدواژه‌ها


[1]          M. Luckner, M. Gad and P. Sobkowiak, "Stable web spam detection using features based on lexical items", Computers & Security, vol. 46, pp. 79–93, 2014.
[2]       A.M. ZarehBidoki, M.A. Golshani, and E. Mousakazemi-Mohammadi ", Design and Implementation of Persian document crawling/ranking system and Implementation of a Persian Search Engine", Itre,Tehran, Iran, 2012.(in persian)
[3]       G.-R. Xue, Q. Yang, H.-J. Zeng, Y. Yu, and Z. Chen, "Exploiting the hierarchical structure for link analysis", Proceedings of the 28th annual international ACM SIGIR conference on Research and development in information retrieval,  2005.
[4]           L. Page, S. Brin, R. Motwani, and T. Winograd, "The pagerank citation algorithm: bringing order to the web," Technical Report, Standford Univ.,1998.
[5]       B. Wu and B. D. Davison, "Identifying link farm spam pages", Special interest tracks and posters of the 14th international conference on World Wide Web,pp. 820-829, 2005.
 
 
شکل 9: مقایسه نتایج قبل از اعمال الگوریتم شناسایی صفحات فریب­آمیز و پس از اعمال الگوریتم شناسایی صفحات فریب­آمیز
[6]       L. Becchetti, C. Castillo, D. Donato, S. Leonardi and R. Baeza-Yate,",  Link-Based Characterization and Detection of Web Spam",  Proceeding of the 6th International Workshop
                on Adversarial Information Retrival on the Web (AIRWEB), 2006.
[7]       Z. Gyongyi, H. Garcia-Molina and J. Peddersen, "Combating web spam with trustrank", Proceedings of the Thirtieth international conference on Very large data bases volume 30.VLDB Endowment, Torento, Canada, pp. 576-587, 2004.
[8]       V. Krishnan, R. Raj, "Web spam detection with anti-TrustRank" , Proceeding of the 2nd International Workshop
                on Adversarial Information Retrival on the Web (AIRWEB),pp. 37-40, 2006.
[9]            www.parsijoo.ir