基于引力模型的鏈接分析算法研究.pdf

1、Web是一個(gè)由復(fù)雜超文本所組成的巨大的信息源，而且以每天超過800萬頁面的速度在不斷的增長，針對這樣一個(gè)不斷變化的信息源，如何發(fā)現(xiàn)和利用Web中的有用信息變得具有挑戰(zhàn)性。由于Web信息是自組織和半結(jié)構(gòu)化的，經(jīng)典的信息檢索和數(shù)據(jù)庫技術(shù)很難得到有效的應(yīng)用。超鏈接是Web特有的組成部分，是聯(lián)系Web上數(shù)據(jù)資源的紐帶。鏈接分析是提高Web信息檢索質(zhì)量的重要途徑。 Kleinberg的HITS算法是一種經(jīng)典的鏈接分析算法，大多數(shù)已存在的鏈

2、接分析算法將Web模型化為一個(gè)圖，超鏈接代表源網(wǎng)頁對目的網(wǎng)頁的“推薦”，網(wǎng)頁的權(quán)威性取決于超鏈接的重要性?；阪溄臃治龅乃惴ū葌鹘y(tǒng)的文本檢索效率更高，但同時(shí)對頁面文本的內(nèi)容考慮較少，在檢索時(shí)會(huì)出現(xiàn)一些問題。如HITS算法的迭代結(jié)果往往會(huì)收斂于鏈接圖中與查詢主題不太相關(guān)的緊密交織區(qū)域，即TKC現(xiàn)象，從而會(huì)導(dǎo)致主題漂移等問題。 本文通過對Web鏈接分析技術(shù)的深入研究與學(xué)習(xí)，分析了HITS算法的思想及其存在的問題。由于HITS算法對頁

3、面間的超鏈接同等對待，忽視了超鏈接之間的差異，因此導(dǎo)致了算法結(jié)果的偏差。而且單純的鏈接分析算法缺乏物理的解釋。本文在HITS算法基礎(chǔ)上提出了一種基于引力模型的鏈接分析算法—G-HITS(Gravitation-Based HITS)。該算法將網(wǎng)頁模型化為質(zhì)點(diǎn)，將網(wǎng)頁間的鏈接關(guān)系模型化為網(wǎng)頁之間的作用力，這種作用力反映了網(wǎng)頁對網(wǎng)頁的支持與認(rèn)可，從而給出了鏈接分析的物理解釋。實(shí)驗(yàn)結(jié)果表明，G-HITS算法對于原HITS算法的TKC(Tigh