王嘉卿，朱 焱，陈同孝，张真诚

(1.西南交通大学 信息科学与技术学院，成都 611756； 2.台中科技大学 资讯工程系，台湾 台中 404； 3.逢甲大学 资讯工程系，台湾 台中 407)(*通信作者电子邮箱yzhu@swjtu.edu.cn)

0 引言

为了谋取高额利润，部分网站建设者利用变化多端的非法手段欺骗搜索引擎，以提高网站的关键排名进行网页欺诈。寻找高效有力的欺诈网页检测方法极为重要。针对欺诈网页的检测是一个二元分类问题(欺诈和正常)，特征选择和分类算法是研究的焦点。Goh等[1]通过实验证明分类结果强依赖于使用的特征集合，并且不同的分类器带来的结果差异远小于不同的特征集合。本文侧重于特征选择，旨在找到最佳最小特征集合(Optimal Minimum Feature Set, OMFS)，减小分类器计算代价，提高检测效率。

网页基本特征包括链接特征，如：网页的入度、出度、PageRank值[2]以及内容特征，如：网页单词数、平均单词长度。对应的网页欺诈分为链接欺诈、内容欺诈和隐藏型欺诈[3]。在使用网页基本特征的基础上，针对不同欺诈类型提取新特征，改进分类算法是近年来国内外学者研究的重点，取得的成果也较为显著。Araujo等[4]专注于网页链接质量分析，提取有效的基于链接的特征并构建语义模型，最后结合代价敏感的决策树分类器得到较高的真阳性率(True Positive Rate, TPR)、F1值和受试者工作特征曲线面积(Area Under receiver operating Characteristic, AUC)。Ntoulas等[5]提出了多个基于内容的特征，并结合分类器得到了良好的检测结果。Kumar等[6]提出了一个双边多分类的超球面支持向量机模型(Dual-Margin Multi-Class Hypersphere Support Vector Machine, DMMH-SVM)和多个新型隐藏型特征。……