木基于鏈接結(jié)構(gòu)分析的Web頁面排序算法.pdf

1、隨著Internet/Web 技術(shù)的快速普及和迅猛發(fā)展，Web 上信息總量日益膨脹。如何將用戶所需信息從這個信息海洋中找到，并按照相關(guān)度從大到小排列并返回給用戶變得日益迫切，搜索引擎技術(shù)應(yīng)運(yùn)而生，基于鏈接分析的Web 頁面排序算法是其中最重要的技術(shù)之一?；阪溄臃治龅腜ageRank 算法是目前應(yīng)用最廣泛的頁面排序算法。從數(shù)學(xué)模型上講，PageRank 算法可以看做是一個馬爾可夫隨機(jī)游走模型，依據(jù)當(dāng)前網(wǎng)頁的鏈接結(jié)構(gòu)計算頁面間的轉(zhuǎn)移概率，

2、頁面最終的排序值可以由此馬爾可夫鏈的平穩(wěn)分布唯一給出。
　　 本文首先通過對經(jīng)典Web結(jié)構(gòu)挖掘算法HITS和PageRank 算法的研究學(xué)習(xí)，發(fā)現(xiàn)經(jīng)典PageRank 算法容易出現(xiàn)主題漂移現(xiàn)象，而主題漂移現(xiàn)象是由頁面鏈接的均分賦值引起的。在受HITS排序算法樞紐網(wǎng)頁思想和PageRank 算法的實驗的啟發(fā)下，本文重新定義了PageRank 算法的排序函數(shù)，使得頁面鏈接權(quán)值和鏈入頁面的出度和入度均相關(guān)，提出了改進(jìn)的PageRank

3、 算法，這樣就避免了頁面鏈接的均分賦值。實驗結(jié)果表明了算法的查準(zhǔn)率有了顯著的提高，p@10和p@50 指標(biāo)均一致性的超過經(jīng)典PageRank 算法。
　　 在改進(jìn)的PageRank 算法的基礎(chǔ)上，受經(jīng)典PageRank 算法排序函數(shù)公式的啟發(fā)，可知頁面的排序值受三大因素影響。對于頁面間的每條鏈接，我們定義了鏈接尾端入度影響因子和鏈接頭端出度影響因子，兩個影響因子分別用上述三大因素度量，提出了Hybrid Pagerank 算法。