[发明专利]一种黑灰产推广的关键词查找方法

说明书

本发明提供一种黑灰产推广的关键词查找方法，涉及数据处理技术领域。在建立的key‑value关键词权重有序表中提取最大权值且未使用的关键词，通过搜索引擎进行查找，直接提取查找出来的每条结果中有黑灰产推广的相关和扩展性质信息的关键句文本、相关搜索关键词，分配权重赋值后权值相加，得到挖掘的关键词合并到key‑value表，得到新的表。本发明解决了现有技术中找出黑灰产关键词需要人工维护成本较高，且效率低的技术问题。本发明有益效果为：能实时获取关于网民搜索黑灰产动态以及黑灰产推广最新趋势。对于检测黑灰产网页也有极大帮助。

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种黑灰产推广的关键词查找方法。

背景技术

PC和移动互联网的兴起，在给我们提供极大便利的同时也催生了互联网黑灰产业。黑灰产使用恶意SEO优化手段侵入高权重网站，添加自定义关键字页面，或用篡改页面等关键字导流等手段，来使搜索引擎收录。当用户在正常搜索引擎上网过程中，搜索类似的关键字的时候，黑灰产的页面在搜索出的页面靠前，以此来达到曝光率。黑灰产关键词为了醒目或吸引人又或易于被搜索引擎收录，早已不是孤零零单个词语，而是将整个句子让搜索引擎收录且认为这句子是新的关键词，或者对旧的词语赋予新的含义等等。也即是：旧词新用，句子造词。传统安全检测技术如网页劫持，暗链，黑链等，常规的方法是使用搜索引擎通过关键词来查询网站是否有黑灰产植入的页面，然后再进行检测。这些关键词的选择则是常用的如赌博，彩票等直接词语，而这些词语都是被黑灰产做关键词防搜索引擎拦截所弃用的。因此，这种关键词往往是无效或低效的。有效的词语就找出特定的词语或句子，这往往需要人工维护，且必须实时关注黑灰产趋势和动向才能保证准确度，但是，这样做，人力成本较高，且效率低。

发明内容

为了解决现有技术中存在的问题，本发明提供一种黑灰产推广的关键词查找方法，能实时获取关于网民搜索黑灰产动态以及黑灰产推广最新趋势。

本发明的技术方案是：一种黑灰产推广的关键词查找方法，包括以下步骤：步骤一：在建立的具有使用过的关键词(used words)数组和所有的关键词(all words)字典的key-value关键词权重有序表中，通过相似度比较技术，提取所有的关键词(all words)字典中最大权值且未使用的关键词；步骤二：通过搜索引擎直接搜索该提取的关键词，将获取的相关网页内容解码为Unicode；步骤三：直接提取搜索引擎查找出来的每条结果中有黑灰产推广的相关和扩展性质信息的关键句文本、相关搜索关键词；步骤四：将提取的关键句文本、相关搜索关键词按特征分类，分配权重，将关键句分词，分词继承分配权重，相同的分词权重相加得到一组挖掘的关键词；步骤五：将步骤一中所有提取的关键词和挖掘的关键词分别合并到原有key-value关键词权重有序表中的使用过的关键词(used words)数组和所有的关键词(all words)字典，获得新的key-value关键词权重有序表；步骤六：重复循环步骤一至五，直到步骤一中所有的关键词(all words)字典不能获取新的关键词，所有的关键词(all words)字典即挖掘关键词key-value有序表。

作为优选，在建立的key-value关键词权重有序表中，使用过的关键词(usedwords)数组、所有的关键词(all words)字典权重从高到低排序。

作为优选，从使用过的关键词(used words)数组、所有的关键词(all words)字典中分别取出一个字符串比较包含相似度和子串相似度，循环迭代使用过的关键词(usedwords)数组和所有的关键词(all words)字典，获得所有的关键词((all words)字典中一个最大权值且与使用过的关键词(used words)数组所有关键词不相似的关键词。

作为优选，在搜索引擎返回页面的每一个搜索结果中查找包含meta信息、title信息、描述、安全提示信息等关键句信息，以及搜索引擎提供的相关搜索关键词。