[发明专利]通过网页多视图数据关联组合识别垃圾网页的方法有效
申请号: | 201210187098.7 | 申请日: | 2012-06-07 |
公开(公告)号: | CN102750345A | 公开(公告)日: | 2012-10-24 |
发明(设计)人: | 张化祥;高爽 | 申请(专利权)人: | 山东师范大学 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 张勇 |
地址: | 250014 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 通过 网页 视图 数据 关联 组合 识别 垃圾 方法 | ||
1.一种通过网页多视图数据关联组合识别垃圾网页的方法,其特征是,首先提取已标记网页的内容特征数据及超链接特征数据,分别称为内容视图及链接视图,并表示为已标记网页的内容矩阵和链接矩阵;利用典型相关分析及其相关改进方法,获取内容视图及链接视图的最大相关投影矩阵;提取未标记网页的内容矩阵及链接矩阵;利用最大相关投影矩阵生成网页新的内容矩阵及链接矩阵;采用不同的组合方式,生成网页单视图数据;用已标记网页单视图数据训练分类器,将未标记网页识别为正常网页或垃圾网页。
2.如权利要求1所述的通过网页多视图数据关联组合识别垃圾网页的方法,其特征是,该方法包括如下步骤:
步骤1.对已经标记为正常及垃圾的网页,提取网页的内容特征数据及超链接特征数据,分别称为内容视图及链接视图,并表示为以行为网页以列为属性的已标记网页内容矩阵X1和已标记网页链接矩阵Y1;
步骤2.将步骤1得到的两矩阵X1,Y1,利用典型相关分析方法,分析其最大相关性,并获取内容视图及链接视图的最大相关投影矩阵,即内容投影矩阵wx和链接投影矩阵wy;
步骤3.对未标记网页,提取网页的内容视图及链接视图,以行为网页以列为属性分别表示为未标记网页内容矩阵X2和未标记网页链接矩阵Y2;
步骤4.利用步骤2生成的两视图最大相关投影矩阵wx,wy,分别对步骤1中的已标记网页的两视图矩阵X1,Y1和步骤3中的未标记网页的两视图矩阵X2,Y2进行投影,得到已标记网页新的内容矩阵及链接矩阵和未标记网页新的内容矩阵及链接矩阵
步骤5.将步骤4生成的新的已标记网页两视图矩阵采用并行及串行组合方式,生成已标记网页单视图数据;
步骤6.利用步骤5产生的已标记网页的单视图数据,训练分类器,用于未标记网页的识别;
步骤7.将步骤4生成的新的未标记网页两视图矩阵采用并行及串行组合方式,生成未标记网页单视图数据;
步骤8.利用步骤6得到的分类器,对步骤7中生成的未标记网页单视图数据分类,根据分类结果,将未标记网页识别为正常网页或垃圾网页。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东师范大学,未经山东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210187098.7/1.html,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置