基于超鏈接的WEB結(jié)構(gòu)挖掘算法的研究.pdf

1、近年來(lái)，隨著Internet/Web技術(shù)的快速普及和迅猛發(fā)展，其為人們提供了豐富的信息資源的同時(shí)，它所具有的海量數(shù)據(jù)、復(fù)雜性、極強(qiáng)的動(dòng)態(tài)性和用戶的多態(tài)性等特點(diǎn)也給Web資源的發(fā)掘造成了相當(dāng)?shù)碾y度。因此，將數(shù)據(jù)挖掘技術(shù)和Web結(jié)合起來(lái)，進(jìn)行Web數(shù)據(jù)挖掘也就隨之成為了解決Web挖掘問(wèn)題的重要途徑。 本文通過(guò)對(duì)經(jīng)典的Web結(jié)構(gòu)挖掘算法HITS和PageRank的研究學(xué)習(xí)，針對(duì)HITS算法中完全只考慮web頁(yè)面之間的超鏈接分析而忽略的

2、web頁(yè)面的內(nèi)容，從而導(dǎo)致分析結(jié)果出現(xiàn)主題偏移和種種的不足，提出了一種結(jié)合超鏈接分析和內(nèi)容相關(guān)性分析的關(guān)于HITS的改進(jìn)算法，該算法通過(guò)對(duì)不同web頁(yè)面進(jìn)行內(nèi)容分析并賦予鏈接之間不同的權(quán)重來(lái)實(shí)現(xiàn)對(duì)HITS的改進(jìn)，并最終通過(guò)實(shí)驗(yàn)證明該新算法的有效性。最后我們還針對(duì)HITS算法和PageRank算法中在對(duì)頁(yè)面節(jié)點(diǎn)進(jìn)行排序時(shí)存在將頁(yè)面權(quán)威性與樞紐性完全分開或忽視了頁(yè)面的樞紐性，造成信息的丟失等問(wèn)題，通過(guò)重新設(shè)定PageRank算法中的個(gè)性化矢