网页作弊与反作弊技术综述

随着网络信息爆炸式的增长,搜索引擎成为人们首选的获取信息的主要途径。能否在搜索引擎的排名中占有比较靠前的位置,将在一定程度上决定网页的访问量。一些网站并不是通过提高网页质量来提高其在搜索引擎中的排名,而是根据搜索引擎自身的特点,采用欺骗手段来提高排名,这就是网页作弊。网页作弊是搜索引擎面临的重大挑战之一。本文将结合常见的网页作弊的方法,阐述当前已经存在的比较有效的反作弊技术。     

面向搜索引擎竞价排名的关键词商业价值分析

以往的竞价排名算法,大多只考虑搜索关键词与广告的语义相似度,但语义上的相似并不代表提交该查询需求的用户具有购买广告对应产品的意向,也就是说不代表该搜索关键词具有商业价值。本文从搜索关键词的商业价值入手,分析搜索关键词词性、长度以及热门程度等方面的特征与搜索关键词商业价值之间的关系,对推荐搜索关键词和广告商有效投放广告,提供了一些可供考虑的特征,并给出了一定的分析。     

基于HITS算法的查询结果多样化方法

现有的查询结果多样化研究很难准确得到用户多样性需求并提供与用户查询各个方面需求相关的文档。针对这个问题,本文基于HITS算法的网页间链接分析特性,根据网页链接图直接计算查询结果列表中的文档可能满足用户多样性需求的程度,并将其应用到结果列表的重排序中以实现搜索结果多样性。在TREC大规模数据集合上的实验结果表明了该方法的有效性。     

异质搜索环境下的用户偏好性预测方法研究

提出了一系列基于搜索结果页面的特征用于学习分类器,自动预测用户的偏好性,并尝试将预测模型与用户实验结合起来。实验结果表明,尽管异质环境下搜索结果页面有着丰富的信息,但仅基于搜索结果页面的展现形式难以对用户的偏好性做出可靠的预测。     

文本飘红策略对搜索引擎用户行为的影响

搜索用户根据搜索引擎结果页面的搜索结果来决定他们是否点击特定的网页,其展示形式在用户整个搜索交互过程中起到重要作用。查询词飘红是目前商业搜索引擎结果文本主要采用的展现形式,存在着满篇红和缺乏有用信息的现象,该文旨在提出一种新的飘红策略,从而提高用户的搜索效率。该文基于人工标注的结果提出了3种文本飘红策略,分别是缩减查询词飘红策略、任务级飘红策略和结果级飘红策略,通过实验分析了4种不同的摘要飘红策略对用户搜索行为的影响,结果表明:该文提出的3种文本飘红策略,其性能均优于目前商业引擎采用的查询词飘红策略,通过控制飘红次数、飘红比例和提供有价值的信息,可以对用户搜索行为产生非常积极的影响。     

司法场景下案例推荐系统的召回方法研究

司法案例推荐主要具有司法领域知识重要、用户关注点集中等特点。目前,大多数推荐方法研究聚焦于精排步骤,对实际系统中召回研究相对有限,特别是缺乏在司法等特定场景下的召回研究。文章从司法案例文书的特点出发,设计了基于内容、协同过滤、热度的召回策略,特别考虑到司法领域知识的利用,设计了基于司法要素的召回策略。随后,提出基于多路融合的召回算法,将不同召回策略进行组合,组合方式包括各路择优选择、加权投票等。最后,基于真实司法信息系统构建案例推荐数据集,对不同召回策略以及多路召回的组合方式、网络结构、最佳权重开展了探究分析。实验结果表明,基于案由的召回是单路召回中的最优方法,召回率为0.43,多路召回的最佳方式为各路加权投票,召回率为0.72。     

图像搜索环境下用户满意度预测方法研究

搜索用户的满意度是搜索引擎性能的重要体现。在网页搜索中,通过用户行为,即用户和搜索引擎之间的交互信息,可以比较准确地预测用户满意度。根据图像和网页搜索过程中的相似和差异,整合和设计出用户交互行为中存在的特征,用来训练模型,并对用户满意度进行预测。实验结果表明,文章所提出的组合模型对图像搜索环境下用户满意度的预测有着较高的准确率。