Web Spam研究方向发展问题
今年关于Web Spam的Workshop已经停开了,这是不是意味这Web Spam这个方向没有研究的余地了呢?答案是否定的。根据对最新数据集ClueWeb09 Dataset的 研究,对于一些热门查询的前10结果,大部分页面(尤其是英文页面)是作弊页面 [1]。这说明现在作弊还是非常流行的,对信息检索造成了严重的后果。这也从某个侧面说明,我们现在的反作弊策略的研究还不是很成功,还有很长的路要走。 因此,关于Web Spam的研究还有很大的余地。但可能简单的方法已经被人想出了,所以研究Web Spam很具有挑战性。
关于AIRWeb为什么停开,我咨询了组织者。对方的解释是AIRWeb已经运行得非常好,如果要继续进行的话,就将发展成为一个 Conference,但是他目前已经是WWW 2011的co-chair了,不想再举办一个会议(目前已经这方面很好的会议如WWW及WSDM),所以就停开了AIRWeb。另外,他还说到在 2011可能要开一个关于web quality新的Workshop。但是在ECML/PKDD上的关于这个主题的Chanllenge参与的人不多,所以未来还存在不少不确定性。
据我个人来讲,我觉得Web Spam还有很多值得研究的地方,但可能遇到一些瓶颈。随着Web 2.0逐渐走人人们的生活,Social Web Sites越来越受到欢迎。随之而来的作弊问题,就被称做为Social Spam。对anti social spam的研究,目前处于起步阶段,大家都是找几个属性,然后构建一个分类器,采用机器学习的办法来解决这个问题。这个方向的研究值得深入。
[1]. Cormack, G.V., M.D. Smucker, and C. Clarke, Efficient and Effective Spam Filtering and Re-ranking for Large Web Datasets. 2010.
![Creative Commons License](http://i.creativecommons.org/l/by/2.5/cn/88x31.png)
本文基于署名 2.5 中国大陆许可协议发布,欢迎转载,演绎或用于商业目的,但是必须保留本文的署名小橋流水(包含链接)。如您有任何疑问或者授权方面的协商,请给我发邮件。