基于改进的TrustRank算法的钓鱼网站检测

钓鱼检测方式一般只是通过比较网页间特征的相似度判断钓鱼网站,容易被攻击者根据特征提取过程反检测。因此,提出依据网页之间的关系来检测钓鱼网站,通过设立网页集合、结合钓鱼网站与其他网站间的链接关系改进TrustRank算法来检测钓鱼网站。实验证明,改进的TrustRank算法可以将钓鱼网站的信任值集中在一个范围内,并且与其他方法相比具有较低的误判率、漏判率和较高的速度,可以很好地检测钓鱼网站。

基于结合内容特征的TrustRank算法改进

垃圾网页在利益的驱使下采用作弊手段欺骗搜索引擎获得更高的排名,干扰了用户对信息的获取。通过分析网页内容特征及其分布,提出了结合内容特征信息与TrustRank算法的方法对垃圾网页进行检测。实验结果表明,结合了内容特征信息的TrustRank算法能够有效的检测出垃圾网页。

一种改进图神经网络的虚假评论检测方法

电商平台中的虚假评论存在误导消费者购买决策、损害消费者和合法商家权益的问题。现有的虚假评论识别方法难以发现虚假评论之间的隐含关联。为了提高虚假评论检测的分类效果,提出一种基于TrustRank算法和图神经网络的虚假评论检测方法。首先,通过构建虚假评论相关特征,计算出特征的重要性分数;其次,结合改进Trust⁃Rank方法计算评论的可疑值,利用自适应邻域采样策略对图中节点进行有偏向和自适应地选择并生成目标节点的邻域,以此改进GraphSAGE的随机采样算法;最后,使用Yelp数据集对该模型进行验证。结果表明,TR-GraphSAGE模型相比于LSTM、TextCNN、GCN和GraphSAGE,在准确率、召回率与F13个方面分别提升了5.86%、15.01%和10.12%。TR-GraphSAGE模型能够降低噪音对预测的影响,保证邻域信息的质量和数量,从而提高关联特征表示质量,为虚假评论检测提供了一种新方法。

降级Web Spam的可信度链接分析算法

以降级WebSpam算法为研究内容,在分析TrustRank等算法的优点和不足的基础上,提出了时间可信度的概念刻画不同时间下页面的可信度,引入了CreditRank算法来计算页面的可信度。同时,引入了LinkRank算法来计算基于链接的页面质量,整合权威度和可信度。定性分析和实验结果表明,CreditRank算法扩展了种子的利用范围,提高了反Spam算法的覆盖度,LinkRank算法能够解决"无辜页面"问题,并取得很好的降级Spam的效果。

一种反Web Spam页面的方法

最近,spam页面急剧增加,这极大的影响了搜索引擎的精度和效率。如何抵御spam页面已经成为一个非常重要的问题。合并基于内容来侦测spam页面和基于链接spam侦测spam页面的方法,提出一个两步侦测spam页面的方法。第一步是一个过滤的步骤,用于生成spam页面的候选列表;第二步,通过一个自动的分类器从候选页面中侦测出最终的spam页面。

一种反Web Spam页面的方法

最近,spam页面急剧增加,这极大的影响了搜索引擎的精度和效率。如何抵御spam页面已经成为一个非常重要的问题。文章合并了基于内容来侦测spam页面和基于链接spam侦测spam页面的方法,从而提出了一个两步的侦测spam页面的方法。第一步是一个过滤的步骤,用于生成spam页面的候选列表;第二步,通过一个自动的分类器从候选页面中侦测出最终的spam页面。

融合文献计量与同行评议共识的期刊评价方法研究

针对当前期刊评价研究与实践中存在的定性与定量融合不足的问题,本研究将学科/领域同行对一流期刊的共识作为评价出发点,借助TrustRank算法,提出了融合同行评议共识与文献计量方法的期刊权威性因子JAF(journal authoritativeness factor),并进一步整合JAF与JIF(journal impact factor)提出了融合指标JAII(journal authoritativeness and impact index),用于进行期刊双维度评价。为验证JAF与JAII的有效性,本研究选取FMS(Federation of Management Societies of China)管理科学领域推荐的期刊作为评价对象,采用CSSCI(Chinese Social Sciences Citation Index)数据库2000—2018年的引文数据进行实证分析。结果表明,JAF对引文时间窗口具有稳健性;与两种基线指标相比,JAF与FMS的结果更加一致;JAF与JIF的融合指标JAII与FMS的相关性高达0.716。

基于内存计算的基因疾病搜索系统

随着现代测序技术的发展,产生海量生物数据,快速发展的生物信息学也在不断剖析这些数据的隐藏生物信息。通过生物网络研究基因型与疾病表型的关联关系从而实现致病基因的预测和寻找基因导致的疾病。基于疾病基因模块性特征,提出整合蛋白质相互作用网络、疾病表型相似性网络、疾病-基因对应网络,构建异构生物网络,改进网页排序算法TrustRank,对候选基因与疾病进行优先级排序,实现预测功能。本文还将通过Spark平台开发基因疾病搜索系统,数据存储在HBase中,形成大数据存储、处理、分析的解决方案,对临床诊断和疾病治疗提供新思路。