JP2010066980A - スパムブログ検知装置、スパムブログ検知方法及びプログラム - Google Patents

Abstract

【課題】スパムブログを精度良く検知することができるスパムブログ検知装置、スパムブログ検知方法及びプログラムを提供する。
【解決手段】スパムブログ検知装置１は、ブログからリンクしているウェブサイトを評価するリンク先評価手段と、ウェブサイトの評価結果を用いてブログの評価を行うブログ評価手段と、ブログの評価に基づいて当該ブログがスパムブログか否かを判定する判定手段と、を備える。
【選択図】図２

Description

本発明は、スパムブログ検知装置、スパムブログ検知方法及びプログラムに関する。

現在、インターネット上には、アフィリエイトプログラムと呼ばれる広告掲載方法が登場している。アフィリエイトプログラムは、広告媒体主が自身のウェブページやブログ（Ｗｅｂｌｏｇ）等に広告主の広告を掲載し、この広告をクリックすることで広告主のサイトに接続するようにする手法である。なお、ブログとは、インターネット上で公開される日記などのウェブサイトである。
ところで、インターネット上で情報を掲載するブログの中には、広告主によって恣意的に作成されたスパムブログ（ｓｐｌｏｇ：Ｓｐａｍ Ｗｅｂｌｏｇ）が多く存在する。通常、スパムブログでは、無意味なキーワードだけを大量に埋め込む、或いは他のブログやニュース記事から勝手に文章をコピーするなどを行い、記事を作成している。このため、スパムブログは、コンテンツとして無意味なものが多い。

非特許文献１では、スパムブログ判定方法として以下の３つの手法を提案している。
（１）アフィリエイトプログラムへのリンクがあるものをスパムブログと判定する手法。
（２）他のウェブサイトからのリンク数からページランクを算出して、ページランクの高いサイトをスパムブログではないと判定する手法。
（３）スパムブログによく登場する単語が頻繁に登場するブログをスパムブログと判定する手法。
Yu-Ru Lin，Sundaram, H.，Yun Chi，Tatemura, J.，Tseng, B. ， "Splog Detection using Content, Time and Link Structures", Multimedia and Expo, 2007 IEEE International Conference on

しかしながら、一般のブログでもアフィリエイトプログラムへリンクしている場合があるため、非特許文献１に記載の手法（１）のようにリンクの有無を見るだけでは誤検知する可能性がある、という問題がある。
また、スパムブログの中には、自身で作成したブログに対してリンクを張るサイトを多数作成することによりページランクを上げるものもあるため、非特許文献１に記載の手法（２）のように被リンクの数がサイトの価値を決めるとは一概に言えない。
また、非特許文献１に記載の手法（３）では、スパムブログによく登場する単語を外せば検知を回避されてしまう。また、一般のサイトにもそれらの単語が登場することが考えられるため誤検知することが懸念される。
本発明は上記の点に鑑みてなされたものであり、その目的は、スパムブログを精度良く検知することができるスパムブログ検知装置、スパムブログ検知方法及びプログラムを提供することにある。

本発明は上記の課題を解決するためになされたものであり、本発明の一態様は、ブログからリンクしているウェブサイトを評価するリンク先評価手段と、前記ウェブサイトの評価結果を用いて前記ブログの評価を行うブログ評価手段と、前記ブログの評価に基づいて当該ブログがスパムブログか否かを判定する判定手段と、を備えることを特徴とするスパムブログ検知装置である。

また、本発明の一態様は、上記のスパムブログ検知装置において、複数のブログの情報を取得するブログ情報取得手段と、前記取得したブログの情報から、当該ブログからリンクしているウェブサイトの情報を取得するリンク先情報取得手段と、を備え、前記リンク先評価手段は、ウェブサイトにリンクしているブログの情報から当該ウェブサイトの評価を行う
ことを特徴とする。

また、本発明の一態様は、上記のスパムブログ検知装置において、前記リンク先情報取得手段は、アフィリエイトプログラムの提供サイトにリンクしているブログ数を、当該アフィリエイトプログラムが発行する識別情報毎に算出し、前記リンク先評価手段は、前記識別情報毎のブログ数を用いて前記提供サイトの評価を行うことを特徴とする。

また、本発明の一態様は、上記のスパムブログ検知装置において、前記ブログの評価を用いて当該ブログからリンクしているウェブサイトを再評価することを特徴とする。

また、本発明の一態様は、ブログからリンクしているウェブサイトを評価するステップと、前記ウェブサイトの評価結果を用いて前記ブログの評価を行うステップと、前記ブログの評価に基づいて当該ブログがスパムブログか否かを判定するステップと、を有することを特徴とするスパムブログ検知方法である。

また、本発明の一態様は、ブログからリンクしているウェブサイトを評価するステップと、前記ウェブサイトの評価結果を用いて前記ブログの評価を行うステップと、前記ブログの評価に基づいて当該ブログがスパムブログか否かを判定するステップと、をコンピュータに実行させるためのプログラムである。

本発明によれば、ブログからリンクしているウェブサイトの評価結果を用いてブログの評価を行うので、ブログの変化に対応したスパムブログ検出を精度良く行うことができる。

以下、図面を参照しながら本発明の実施形態について詳しく説明する。
図１は、本発明の一実施形態によるスパムブログ検知装置の処理の概念を示した概念図である。
ブログは作成者が自由に作成及び編集をすることができるため、一般の人がアフィリエイトプログラムを利用したり、任意のサイトへリンクをしたりすることができる。また、ブログの内容は頻繁に変化すると想定される。そこで、本発明のスパムブログ検知装置は、内容の変化が比較的少ないアフィリエイトプログラムや広告提供サイトの評価を行い、その評価結果をブログの評価に用いてスパムブログを検出している。
スパムブログ検知装置は、まず、複数のブログのブログ情報を取得する。ブログ情報には、ブログのＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）、ブログからのリンク先ＵＲＬ、ブログからのリンク数などが含まれる。次に、スパムブログ検知装置は、そのブログからリンクしているアフィリエイトプログラムの提供サイト又は広告提供サイトを評価する。そして、スパムブログ検知装置は、その評価結果を用いてブログの評価を行い、スパムブログを検知する。

図２は、本実施形態におけるスパムブログ検知装置１の構成を示すブロック図である。
スパムブログ検知装置１は、ブログ情報取得部１１と、リンク先情報取得部１２と、情報解析部１３と、判定部１４と、を含んで構成される。
ブログ情報取得部１１は、アプリケーションサービスプロバイダが配信を行っているＲＳＳ（Ｒｉｃｈ Ｓｉｔｅ Ｓｕｍｍａｒｙ）や新着ブログ情報などのブログ記事の情報を利用して、複数のブログのブログ情報を取得する。

リンク先情報取得部１２は、取得したブログ情報からリンクしているサイト（リンク先）の情報を取得する。具体的には、リンク先情報取得部１２は、リンク先がアフィリエイトプログラムの提供サイトである場合には、その提供サイトが発行するＩＤ（識別情報）毎に、そのＩＤを用いて提供サイトにリンクしているブログ数（リンク元ブログ数）を算出する。なお、ＩＤはブログ情報取得部１１で取得したブログ情報に含まれている。図１に示すブログＡ〜Ｉのブログ情報をブログ情報取得部１１が取得した場合を例に説明する。アフィリエイトプログラムの提供サイトを参照しているブログは、Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｈである。ブログＡ，Ｂ及びＣのＩＤが全て「ａ」、ブログＤのＩＤが「ｄ」，ブログＥ及びＨのＩＤが「ｅ」だった場合には、ＩＤ「ａ」のリンク元ブログ数は３になる。また、ＩＤ「ｄ」のリンク元ブログ数は１になる。また、ＩＤ「ｅ」のリンク元ブログ数は２になる。
なお、リンク先が広告提供サイトである場合にも同様の処理を行う。

情報解析部１３は、ブログ情報取得部１１及びリンク先情報取得部１２が取得した情報に基づいてブログの評価、つまりスコアリング（点数付け）を行う。スコア（点数）が高いほどスパムブログである可能性が高くなる。
判定部１４は、情報解析部１３の評価結果に基づいてブログ情報取得部１１で取得したブログ情報に係るブログがスパムブログか否かの判定を行う。具体的には、判定部１４は、予め設定された所定の閾値よりスコアが高いブログをスパムブログと判定する。

次に、上述した本実施形態のスパムブログ検知装置１の動作を説明する。図３は、本実施形態におけるスパムブログ検知装置１の動作の手順を示すフローチャートである。
まず、ステップＳ１では、ブログ情報取得部１１が、複数のブログのブログ情報を取得する。この時、ブログ情報取得部１１は、アプリケーションサービスプロバイダが提供しているＲＳＳや新着ブログ情報などから複数のブログを抽出し、抽出したブログのブログ情報を取得する。
次に、ステップＳ２では、リンク先情報取得部１２が、ステップＳ１で抽出したブログのリンク先の情報を取得する。
次に、ステップＳ３では、情報解析部１３が、ステップＳ１及びステップＳ２で取得した情報に基づいて各ブログのスコアリングを行う。情報解析部１３の処理の詳細については後述する。
次に、ステップＳ４では、判定部１４が、各ブログがスパムブログであるか否かの判定を行う。具体的には、判定部１４は、スコアが所定の閾値より高いブログをスパムブログであると判定する。

図４は、本実施形態における情報解析部１３の動作の手順を示すフローチャートである。
まず、ステップＳ１１では、情報解析部１３は、上述したステップＳ１で抽出した各ブログの評価を行う。各ブログのスコアｓｃｏｒｅ_ｂｐｒｅは、例えば次の式（１）で算出される。ただし、α_ｉは特徴量であり、ｗ１_ｉは各特徴量の重みである。重みｗ１_ｉは予め設定された値である。また、ｎは特徴量の数である。特徴量には、ブログからのリンク数（α_１）、リンク先の種類（α_２）、記事の投稿時間（α_３）、投稿頻度（α_４）などがある。式（１）は、各特徴量のスコアを加算した式になっている。

ここで、リンク数は多いほどスコアが高くなる。また、リンク先の種類はブログからリンクしているサイトのスコアを全て加算した値である。ここで、各サイトには予めスコアが設定されている。例えば、一般的に有名なサイトのスコアは低く設定されおり、アフィリエイトサイトのスコアは高く設定されている。なお、設定されていないサイトがリンクされている場合には、標準または標準より少し高いスコアにする。
また、記事の投稿時間のスコアは投稿時間の分布に基づいて決定される。例えば、毎日同じ時刻に投稿している場合にスコアを高くする。これは、プログラムにより自動的に記事を作成していると想定されるためである。また、投稿時間のばらつきが非常に大きい場合にスコアが高くする。これは、生活時間帯が特定できない場合にはスパムブログである可能性が大きいと想定されるためである。また、投稿頻度は低いほどスコアが高くなる。

次に、ステップＳ１２では、情報解析部１３は、各ブログからリンクしているアフィリエイトプログラム及び広告提供サイトを全て評価する。各アフィリエイトプログラムのスコアｓｃｏｒｅ_ａは、例えば次の式（２）で算出される。ただし、β_ｉは特徴量であり、ｗ２_ｉは各特徴量の重みである。また、ｌは特徴量の数である。また、ｓｃｏｒｅ_{ｂｐｒｅ，ｉ}はアフィリエイトプログラムを利用しているブログのスコアであり、ｍはアフィリエイトプログラムを利用しているブログの数である。また、ｗ_{ｓｃｏｒｅ}はブログのスコアに対する重みである。式（２）は、各特徴量とブログのスコアを加算した式になっている。

特徴量には、アフィリエイトプログラムが発行するＩＤ毎のリンク元ブログ数（β_１）などがある。例えば、１つのＩＤで多数のブログからリンクしている場合にはスコアが高くなる。また、特徴量にアフィリエイトプログラムが提供しているサービス（β_２）などを用いてもよい。例えば、販売商品（例えば、本、衣類、食品など）毎に異なるスコアを設定する。なお、広告提供サイトの評価も同様に行う。

次に、ステップＳ１３では、情報解析部１３は、ステップＳ１２で算出したアフィリエイトプログラム及び広告提供サイトのスコアから各ブログを再評価する。各ブログのスコアｓｃｏｒｅ_ｂは、例えば次の式（３）で算出される。ただし、ｓｃｏｒｅ_ａ，ｉはブログからリンクしているアフィリエイトプログラム又は広告提供サイトのスコアであり、ｗ_{ｓｃｏｒｅａ，ｉ}は各アフィリエイトプログラム又は広告提供サイトの重みである。また、ｋはブログからリンクしているアフィリエイトプログラム及び広告提供サイトの数である。式（３）は、各特徴量とアフィリエイトプログラム及び広告提供サイトのスコアを加算した式になっている。

ここで、各アフィリエイトプログラム及び広告提供サイトの重みｗ_{ｓｃｏｒｅａ，ｉ}は予め設定されている。例えば、一般的に有名なアフィリエイトプログラムの重みｗ_{ｓｃｏｒｅａ，ｉ}は比較的軽く設定されている。なお、重みが設定されていないアフィリエイトプログラムの重みｗ_{ｓｃｏｒｅａ，ｉ}は予め設定された所定の値にする。

次に、ステップＳ１４では、情報解析部１３は、ステップＳ１３で算出したブログのスコアをアフィリエイトプログラム及び広告提供サイトの評価にフィードバックする。つまり、ステップＳ１３で算出したスコアを用いてアフィリエイトプログラム及び広告提供サイトを再評価する。アフィリエイトプログラムのスコアｓｃｏｒｅ_{ａｆｅｅｄｂａｃｋ}は、例えば次の式（４）で算出される。ただし、ｓｃｏｒｅ_ｂ，ｉはアフィリエイトプログラムを利用しているブログのスコアであり、ｗ_{ｓｃｏｒｅｂ}はブログのスコアに対する重みである。式（４）は、各特徴量とブログのスコアを加算した式になっている。なお、広告提供サイトの再評価も同様に行う。

そして、ステップＳ１５では、情報解析部１３は、ステップＳ１４で算出したアフィリエイトプログラム及び広告提供サイトのスコアを用いて上述した式（３）により各ブログを再評価して処理を終了する。

このように、本実施形態によれば、ブログの評価に内容の変化が比較的少ないアフィリエイトプログラムの評価を用いている。よって、ブログの状況変化に対応したより精度の良いスパムブログ判定を行うことができる。

また、図２に示すスパムブログ検知装置の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、スパムブログ検知処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。

本発明の一実施形態によるスパムブログ検知装置の処理の概念を示した概念図である。 本実施形態におけるスパムブログ検知装置の構成を示すブロック図である。 本実施形態におけるスパムブログ検知装置の動作の手順を示すフローチャートである。 本実施形態における情報解析部の動作の手順を示すフローチャートである。

符号の説明

１…スパムブログ検知装置 １１…ブログ情報取得部 １２…リンク先情報取得部 １３…情報解析部 １４…判定部

Claims (6)

1. ブログからリンクしているウェブサイトを評価するリンク先評価手段と、
   前記ウェブサイトの評価結果を用いて前記ブログの評価を行うブログ評価手段と、
   前記ブログの評価に基づいて当該ブログがスパムブログか否かを判定する判定手段と、
   を備えることを特徴とするスパムブログ検知装置。
2. 複数のブログの情報を取得するブログ情報取得手段と、
   前記取得したブログの情報から、当該ブログからリンクしているウェブサイトの情報を取得するリンク先情報取得手段と、
   を備え、
   前記リンク先評価手段は、ウェブサイトにリンクしているブログの情報から当該ウェブサイトの評価を行う
   ことを特徴とする請求項１に記載のスパムブログ検知装置。
3. 前記リンク先情報取得手段は、アフィリエイトプログラムの提供サイトにリンクしているブログ数を、当該アフィリエイトプログラムが発行する識別情報毎に算出し、
   前記リンク先評価手段は、前記識別情報毎のブログ数を用いて前記提供サイトの評価を行う
   ことを特徴とする請求項２に記載のスパムブログ検知装置。
4. 前記ブログの評価を用いて当該ブログからリンクしているウェブサイトを再評価することを特徴とする請求項１から３いずれか１の項に記載のスパムブログ検知装置。
5. ブログからリンクしているウェブサイトを評価するステップと、
   前記ウェブサイトの評価結果を用いて前記ブログの評価を行うステップと、
   前記ブログの評価に基づいて当該ブログがスパムブログか否かを判定するステップと、
   を有することを特徴とするスパムブログ検知方法。
6. ブログからリンクしているウェブサイトを評価するステップと、
   前記ウェブサイトの評価結果を用いて前記ブログの評価を行うステップと、
   前記ブログの評価に基づいて当該ブログがスパムブログか否かを判定するステップと、
   をコンピュータに実行させるためのプログラム。

Images