现如今,互联网的发展突飞猛进,遍布日常生活中的各个角落,给人们的生活带来了巨大的便利。而如何在互联网的汪洋大海中获取用户想要的信息,搜索引擎无疑是一个方便可靠的工具。然而,一些人通过不正当手段提高其页面在搜索引擎中的排名以达到他们恶意或非法盈利的目的。学者们将这种类型的网页统称为垃圾网页。本文重点研究伪装型垃圾网页,这类网页隐蔽性强,采用多副本方式进行欺诈。本文将采用相似性度量和分类相结合的方法对这种类型的垃圾网页进行检测。本文综述了国内外学者目前对伪装型垃圾网页检测技术的研究,详细分析了伪装型垃圾网页形成原因和作弊方式。另外还综述了国内外学者对网页文本相似性度量技术的研究,详细介绍了计算文本相似度的各类方法,以便为实现伪装型垃圾网页检测提供理论基础。本文根据伪装网页欺诈方式以及网页文本相似性度量方法,提出一套基于相似性度量和分类相结合的伪装型垃圾网页检测方案。在相似性度量模块,重点利用基于LDA (Latent Dirichlet Allocation)主题模型的方法设计并实现,然后在此基础上利用随机森林分类器对伪装型垃圾网页分类进行检测,获得了有效的结果。本文构建了中文伪装网页样本集,通过前面提出的伪装型垃圾网页检测方法在实验数据样本集上做了几组对比实验,并且对实验结果进行了详尽的分析。