基于內(nèi)容與鏈接分析的主題相關(guān)網(wǎng)站排序算法的研究.pdf

1、隨著Internet的飛速發(fā)展，Web的信息量越來(lái)越大，人們往往需要借助搜索引擎來(lái)尋找資料，為了解決通用搜索引擎返回的大量沒(méi)用結(jié)果的通病，面向?qū)I(yè)領(lǐng)域的搜索引擎即垂直搜索引擎應(yīng)運(yùn)而生。在這種趨勢(shì)下，網(wǎng)站作為互聯(lián)網(wǎng)中最重要的有組織的結(jié)構(gòu)之一，在Web搜索和挖掘的應(yīng)用中起著越來(lái)越重要的作用。因此，如何有效的對(duì)網(wǎng)站進(jìn)行關(guān)于某個(gè)主題相關(guān)的重要性排序?qū)τ诤芏郬eb應(yīng)用是很有必要的，如垂直搜索引擎、聚焦爬蟲等。 眾所周知，鏈接拓?fù)鋵W(xué)能在鑒別

2、網(wǎng)頁(yè)重要性中被廣泛利用。本文中，我們將在傳遞頁(yè)面Rank值時(shí)考慮被鏈接頁(yè)面內(nèi)容的相關(guān)度，在基于主題相關(guān)的隨機(jī)沖浪者模型基礎(chǔ)上，實(shí)現(xiàn)基于內(nèi)容與鏈接分析的主題相關(guān)PageRank頁(yè)面排序算法，有效的解決了“主題偏移”的問(wèn)題。 由于網(wǎng)頁(yè)的數(shù)量比網(wǎng)站的數(shù)量大的多，通過(guò)計(jì)算主題相關(guān)的頁(yè)面PageRank之和來(lái)獲得主題相關(guān)下網(wǎng)站的排名是不可行的。為了解決這個(gè)問(wèn)題，本文在前人的基礎(chǔ)上提出了基于鏈接與內(nèi)容分析的主題相關(guān)AggregateRank