Envío masivo de spam

La masa de spam se define como "la medida del impacto del spam de enlaces en el posicionamiento de una página". Este concepto fue desarrollado por Zoltán Gyöngyi y Hector Garcia-Molina de la Universidad de Stanford , en colaboración con Pavel Berkhin y Jan Pedersen de Yahoo !. Este artículo profundiza en su metodología TrustRank .

Los investigadores crearon un núcleo de documentos web seleccionados , uno bueno y otro malo , a partir del cual midieron la cantidad de spam en toda la colección. Para comparar los grupos de documentos, se utilizaron dos tipos de mediciones: la cantidad absoluta y la cantidad relativa . Cuanto mayor sea la cantidad de spam, mayor será la probabilidad de que los documentos sean considerados spam.

Se utiliza un valor umbral para identificar grupos de documentos como spam. Si su valor de masa relativa supera dicho umbral, los documentos se consideran spam. Se aplica un segundo umbral a los valores de PageRank de los documentos seleccionados. Solo los documentos con un PageRank alto se etiquetan como spam.

El objetivo de esta metodología es identificar documentos de spam con valores de PageRank inflados artificialmente.

• "Detección de spam de enlaces basada en estimación masiva" (PDF) .