搜索引擎中的Pagerank排序算法研究分析.pdf

1、Pagerank算法是當(dāng)今網(wǎng)絡(luò)搜索引擎巨匠Google的核心技術(shù)。本文對Google公司的這一算法在當(dāng)今網(wǎng)絡(luò)搜索及其應(yīng)用領(lǐng)域進(jìn)行詳盡全面的分析和拓展。知識(shí)檢索是全新的信息檢索方式，而隨著互聯(lián)網(wǎng)的發(fā)展，文本內(nèi)容數(shù)量迅猛增加，文本知識(shí)檢索成為知識(shí)檢索重點(diǎn)。搜索引擎基于關(guān)鍵字的檢索成為網(wǎng)頁文本數(shù)據(jù)檢索的主要方法。首先對基本的網(wǎng)頁分析算法進(jìn)行分析綜述：如基于廣度優(yōu)先策略和最佳優(yōu)先策略的網(wǎng)頁抓取方法。頁面分析算法可以大到從網(wǎng)頁以及網(wǎng)頁塊粒度分析甚

2、至網(wǎng)站粒度分析，還有基于內(nèi)容的網(wǎng)頁分析算法。海量網(wǎng)絡(luò)信息以使傳統(tǒng)通用搜索引擎出現(xiàn)各種局限性。當(dāng)今主流的網(wǎng)頁搜索算法是由引文分析算法發(fā)展而來的Pagerank算法，也需要不斷改進(jìn)。
　　 本文首先通過自寫的網(wǎng)絡(luò)爬蟲程序，來提取網(wǎng)頁數(shù)據(jù)，供各算法實(shí)驗(yàn)數(shù)據(jù)參考分析使用。通過網(wǎng)絡(luò)鏈接示意圖簡單闡述Pagerank算法的思想核心，重點(diǎn)研究計(jì)算Pagerank值。首先從傳統(tǒng)的主題偏離現(xiàn)象和頁面相關(guān)性角度來提出一種組合的Pagerank算法，

3、然后從網(wǎng)頁中懸掛節(jié)點(diǎn)問題出發(fā)，引入網(wǎng)頁超鏈接矩陣，提出一種基于懸掛節(jié)點(diǎn)的線性系統(tǒng)來計(jì)算Pagerank值。然后引入基于乘冪法的外推插值方法計(jì)算PR值，它是通過計(jì)算齊次方程的特征向量求次大根，來計(jì)算Pagerank值，然后從線性系統(tǒng)出發(fā)，通過遞歸方式尋找超鏈接矩陣中的全零行來計(jì)算Pagerank值。最后分析擴(kuò)展特征值法計(jì)算Pagerank和標(biāo)準(zhǔn)乘冪法在實(shí)際用例中的收斂速度?？梢钥闯鰯U(kuò)展特征值法比標(biāo)準(zhǔn)乘冪法優(yōu)越。隨著Pagerank不斷成熟