基于PageRank的搜索引擎優(yōu)化方法研究.pdf

1、伴隨著互聯(lián)網(wǎng)的迅速發(fā)展,網(wǎng)絡(luò)中信息量飛速膨脹,一方面豐富了互聯(lián)網(wǎng)中的信息量,另一方面使得用戶獲取信息變得越來越困難.搜索引擎技術(shù)的出現(xiàn)為人們在互聯(lián)網(wǎng)中搜索自己需要的信息提供了便捷的通道.目前,人們對搜索引擎已經(jīng)非常熟悉,大多數(shù)的用戶在登錄互聯(lián)網(wǎng)時都會首先登錄搜索引擎主頁.因此,如何更好的為用戶提供服務(wù)成為了搜索引擎不斷探索的問題.搜索引擎的性能質(zhì)量是通過搜索引擎用戶的滿意程度來反映的,而用戶在通過搜索引擎進行搜索服務(wù)時,往往會優(yōu)先選擇點

2、擊搜索結(jié)果中排名靠前的網(wǎng)頁,因此合理的對搜索引擎的搜索結(jié)果進行排序,會顯著的提高搜索引擎的質(zhì)量.對搜索引擎的搜索結(jié)果進行排序的算法最重要的有兩個:PageRank算法和HITS算法.PageRank算法由于是離線計算的,性能要比HITS高,因此在實際使用中,PageRank算法更為普遍.傳統(tǒng)的PageRank算法在計算的過程中忽略了一些可能影響網(wǎng)頁重要度的因素,存在多方面的缺陷.為了避免PageRank算法存在的缺陷,本文提出了對傳統(tǒng)算

3、法的三方面改進:
　　第一,由于傳統(tǒng)PageRank算法只是通過網(wǎng)頁的鏈接來判斷網(wǎng)頁的重要性,而忽略了網(wǎng)頁內(nèi)容之間的相關(guān)度,因此傳統(tǒng)PageRank算法會導(dǎo)致主題漂移現(xiàn)象.本文通過空間向量模型來計算網(wǎng)頁之間的內(nèi)容相關(guān)度,然后將計算結(jié)果轉(zhuǎn)換成相對權(quán)值.在改進的算法中,網(wǎng)頁內(nèi)容主題相關(guān)度的權(quán)值會決定網(wǎng)頁權(quán)威值如何分配,越相關(guān)的網(wǎng)頁所分得的權(quán)威值越大.
　　第二,根據(jù)傳統(tǒng)PageRank算法計算的網(wǎng)頁權(quán)威值與網(wǎng)頁被引用的次數(shù)成正比

4、.對于新網(wǎng)頁來說,由于其上線時間較短,被其他網(wǎng)頁引用的次數(shù)少,因此排名會比較靠后.為了使一些重要的新網(wǎng)頁能夠較快速的提升名次,本文提出了一種改進的時間反饋加權(quán)方法.
　　第三,搜索引擎在運行中會記錄大量的用戶行為信息,這些信息反映了用戶的搜索傾向,合理的利用這些信息有助于提升搜索引擎的質(zhì)量.本文將用戶的主觀點擊行為進行統(tǒng)計并處理,用來表示用戶對網(wǎng)頁進行的投票,將這個用戶的投票融入到排序算法當(dāng)中,可以使得最后的排序結(jié)果能夠反映出用戶

5、對網(wǎng)頁的主觀選擇行為.
　　為了從多方面來優(yōu)化 PageRank算法,更大幅度的提高搜索引擎的性能質(zhì)量,本文將主題相關(guān)度、時間反饋和用戶反饋三種因素綜合起來考慮,使三種因素能夠共同影響網(wǎng)頁權(quán)威值的分配.改進的算法叫做Multing-PageRank算法.
　　本文實驗部分借助開源搜索引擎Nutch爬取網(wǎng)絡(luò)上的數(shù)據(jù),然后分別根據(jù)改進的算法和傳統(tǒng)算法對Nutch的查詢返回結(jié)果進行排序.通過對排序結(jié)果進行分析和查詢測試,驗證了通過