網(wǎng)頁質(zhì)量的評估和學(xué)習(xí)方法研究.pdf

1、在科技飛速發(fā)展、信息高度膨脹的今天，互聯(lián)網(wǎng)已經(jīng)成為推動生產(chǎn)力發(fā)展最重要的工具。而且，人們獲取自己所需的知識和信息的方式也正逐漸發(fā)生變化，從以往的在圖書館翻閱書籍，向網(wǎng)絡(luò)查詢和瀏覽網(wǎng)頁等過渡。因此，在近些年，搜索引擎已然發(fā)展成為如今網(wǎng)絡(luò)信息的重要入口之一。除了搜索結(jié)果的相關(guān)性之外，網(wǎng)頁質(zhì)量也開始受到各個搜索引擎的關(guān)注，這是因為網(wǎng)頁質(zhì)量的高低會直接影響著用戶瀏覽網(wǎng)絡(luò)時的體驗和感受。如何快速且準(zhǔn)確的衡量網(wǎng)頁質(zhì)量的高低，成為搜索引擎發(fā)展過程中需

2、要解決的一個核心問題。
　　但目前很多搜索引擎用來衡量網(wǎng)頁質(zhì)量的方法還非常有限，通常只有簡單的網(wǎng)頁文本分析和網(wǎng)頁間鏈接分析，或者對部分大型網(wǎng)站的絕對信任等。這種方法不僅片面，而且很容易被作弊者攻擊，使結(jié)果變得極其不準(zhǔn)確，無法到達(dá)預(yù)期的效果。
　　其實，在現(xiàn)實情況中，有很多因素會影響一個網(wǎng)頁的質(zhì)量，例如：網(wǎng)頁的外觀是否美觀、結(jié)構(gòu)是否合理、內(nèi)容是否豐富、信息是否權(quán)威等等。但是，因為可供選擇的特征過多，如果不加以適當(dāng)?shù)倪x擇和優(yōu)化，

3、非但不能提高網(wǎng)頁質(zhì)量預(yù)測的準(zhǔn)確性，相反還會使預(yù)測的速度變慢、效率降低。
　　本課題將針對目前網(wǎng)頁質(zhì)量評估中存在的問題，提出改進(jìn)方案。首先，分別通過網(wǎng)頁外觀、網(wǎng)站信息、網(wǎng)頁內(nèi)容、網(wǎng)頁鏈接、反作弊分析，這五個方面綜合考慮，提出一些可供選擇和考慮的影響因素。然后，對這些因素進(jìn)行逐一的分析，根據(jù)他們的重要程度和性能等衡量標(biāo)準(zhǔn)進(jìn)行適當(dāng)?shù)暮Y選。最終，根據(jù)篩選所得的特征組合，訓(xùn)練出一個簡單、快速、準(zhǔn)確的機器學(xué)習(xí)模型，并依此模型建立一整套全面而系