解析行业动态基于网页结构与语言特征的垃圾网页链接检测方法

addle

但是，算法仍有一些需要深入研究的问题。后续工作需要更进一步扩大并完善初始数据，从而化对势率字典的构建。同时，希望更进一步地研究势率阈值的选取，从而更准确地对页进行检测。比较后，页中，块与块之间是有联系的，而本算法简化了这一部分，把块当作单独的个体进行处理。所以，在后续研究中，可以将块与块之间的相似度，如结构相似度、文本内容相似度等加入特征的选取和计算、