改進的基于歷史信息分析的網(wǎng)頁排序算法.pdf

1、隨著信息的快速擴充，用戶對于知識庫，特別是互聯(lián)網(wǎng)的依賴越來越大，同時互聯(lián)網(wǎng)也越來越能給各種用戶提供各種信息。在如此龐大，并不斷擴充的信息爆炸社會之中，能夠在冗余的信息之中找到及其少量的用戶需要的信息并對其進行分類、排序成了關(guān)鍵性的利用知識的工具。 目前對于這些知識進行檢索的方法主要分為四種，分別為對鏈接結(jié)構(gòu)進行分析，對內(nèi)容信息進行分析，對記錄信息進行分析和對以上三種信息相互融合的分析方法。而對于鏈接結(jié)構(gòu)分析又是網(wǎng)頁最重要的分析方

2、式，其根據(jù)網(wǎng)頁與其他信息載體不同的獨特性質(zhì)對網(wǎng)頁進行分析、排序。然而，目前的各種網(wǎng)頁分析查找方法中，大部分缺失了對于網(wǎng)頁歷史信息分析的重要性。也就是說目前算法大部分都以三維為基礎(chǔ)對網(wǎng)頁進行分析，而缺失了時間這個維度。這個問題首先由Albert—László Barabasi發(fā)現(xiàn)并由Philip S.Yu等人首先提出解決方案，之后又經(jīng)過幾度變化。但卻一直停留在Philip S.Yu的算法基礎(chǔ)，忽略了網(wǎng)頁的鏈接結(jié)構(gòu)屬性給網(wǎng)頁帶來的不同。

3、 本文基于以上所陳述的問題，作了如下工作： 對基本相關(guān)網(wǎng)頁排序算法作了簡要介紹，實現(xiàn)了網(wǎng)頁爬取系統(tǒng)。改進了以上所提出的算法，通過提取網(wǎng)頁之間根據(jù)時間遷移隱含的內(nèi)在聯(lián)系，從而構(gòu)成新的網(wǎng)頁關(guān)系鏈接矩陣，并對得到的關(guān)系進行進一步的分析和計算，為計算搭建了matlab實驗平臺，并與其他三個算法得出算法進行比較。為以后的發(fā)現(xiàn)更多的時間序列產(chǎn)生的屬性進行發(fā)現(xiàn)和計算奠定了良好的基礎(chǔ)。 本文第一次提出，通過分析辨別網(wǎng)頁鏈接歷史變化而