一种基于内容的垃圾网页检测方法及其检测装置

摘要

本发明公开了一种基于内容的垃圾网页检测方法及其检测装置，方法包括：计算所有网页与种子垃圾网页的内容最大相似度值，生成相似度集合；利用PageRank算法对所有网页进行降序排序；基于排序结果，从相似度集合中查寻网页与种子垃圾网页间的内容相似度值；比较相似度值与相似度阈值，对网页进行检测，并将检测出的垃圾网页加入到垃圾网页集合中。装置包括：生成模块、排序模块、查询模块和检测模块，通过这些模块，本发明在传统的PageRank算法基础上加入对网页内容相似度的判定，把网页的链接与内容结合起来，对垃圾网页进行检测，以此提高了垃圾网页检测的准确度和效率。