21世纪的今天,互联网正以超高的速度向前发展,现在已经无时无刻不在影响着生活中的每一天,无论在生活中遇到任何问题,去搜索引擎中寻找答案早已成为了生活中人尽皆知的事情。这样对搜索引擎中的技术要求也愈来愈高,每个人都希望在搜索引擎输入框中输入关键词后,返回的结果页面不再需要拨动滚动条就可以搜寻到和自己内心中相匹配的内容。要做到这一点,除了不断挖掘用户的行为信息,研究出更高效的相似性匹配算法以外,更重要的是与欺诈网页进行博弈,深究出欺诈网页的漏洞,研究出新的算法从欺诈网页的根基遏制欺诈网页的发展。传统的反欺诈网页的算法一直都在关注着网页本身的特征属性,比如网页内容特征,网页链接特征等相关的特征属性,而却忽略了互联网中最大的群体,那便是用户。搜索引擎的开发是为用户服务的,研究新的相似性匹配算法和反欺诈网页也是为了用户使用搜索引擎时更高效。既然按照传统的方式关注网页本身的特征属性始终没有较好的结果,不如转换成另一种思路,让用户来决定,通过某种机制,用户在访问完网页后可以自动生成反馈信息,这样就可以获得到用户反馈特征数据,利用这份数据挖掘出哪个网页才是真正的欺诈网页,从而筛选出非欺诈网页的集合。用户在搜索到一个网页时,不管是欺诈网页还是非欺诈网页,在用户心中只有两种答案:匹配和不匹配。让用户反馈出来既可以达到反欺诈网页的效果,同时也可以为个性化搜索算法的研究提供辅助作用。本文是基于用户反馈特征数据的反欺诈网页的研究,目的是通过某种算法可以在用户反馈特征数据中挖掘出该网页是不是欺诈网页,从而筛选出非欺诈网页的集合。本文的工作大致分为了两个部分:1通过阅读模糊数学,清晰理论,计量经济学和统计学等相关文献,改进了三种可以处理用户反馈特征数据的方法:基于模糊算子的方法,基于新匹配聚类算法的方法,基于逆指标正向化的方法,并将其用在公共数据集中验证方法的有效性和可行性。2比较这三种方法的实验结果,选取出基于逆指标正向化的方法可以更可靠更高效地处理用户反馈特征数据,并将其与基于网页本身特征属性数据的方法做比较,结果表明,基于用户反馈特征数据的反欺诈网页方法性能更优一些,准确率,召回率和F值都达到了0.99。